本文關(guān)鍵詞：自適應(yīng)最優(yōu)化窄帶分解方法及其應(yīng)用

  更多相關(guān)文章： 自適應(yīng)最優(yōu)化窄帶分解 內(nèi)稟窄帶分量 局部窄帶信號 奇異局部線性算子 轉(zhuǎn)子故障診斷

【摘要】：提出了自適應(yīng)最優(yōu)化窄帶分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。該方法將信號分解轉(zhuǎn)化為對濾波器參數(shù)的優(yōu)化問題,以得到信號的最優(yōu)化解為優(yōu)化目標(biāo),在優(yōu)化過程中將信號自適應(yīng)的分解成多個內(nèi)稟窄帶分量(Intrinsic Narrow-Band Components,INBC)。AONBD分為兩步,首先通過優(yōu)化得到最優(yōu)的濾波器,然后使用該濾波器對信號進(jìn)行濾波以得到信號的最優(yōu)化解。闡述了AONBD的基本原理及分解步驟。采用仿真信號將AONBD方法與自適應(yīng)最優(yōu)化時頻分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)方法進(jìn)行對比。結(jié)果表明,AONBD在抑制端點(diǎn)效應(yīng)和模態(tài)混淆、抗噪聲性能、提高分量的正交性和準(zhǔn)確性等方面具有一定的優(yōu)越性。對轉(zhuǎn)子振動信號的分析結(jié)果表明,AONBD能有效應(yīng)用于機(jī)械故障診斷。
【作者單位】： 湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家科技支撐計劃課題(2015BAF32B03) 國家自然科學(xué)基金(51375152,51575168) 智能型新能源汽車國家2011協(xié)同創(chuàng)新中心 湖南省綠色汽車2011協(xié)同創(chuàng)新中心資助
【分類號】：TH17;TN911.7
【正文快照】： 非平穩(wěn)信號的分析處理方法是現(xiàn)代信號處理領(lǐng)域中的一個研究熱點(diǎn)。經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical ModeDecomposition,EMD)方法[1-3]是近年來最具代表性的自適應(yīng)時頻分析方法之一,但仍存在端點(diǎn)效應(yīng)和模態(tài)混淆等缺點(diǎn)。在EMD的基礎(chǔ)上,Thomas等[4]提出了一種使用高斯牛頓迭代法解決非線性

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前3條

1 李仲杰;;信息化時代下的全廠最優(yōu)化[J];國內(nèi)外機(jī)電一體化技術(shù);2010年05期

2 胡為柏;;選礦最佳化方法[J];有色金屬;1979年01期

3 ;[J];;年期

，

本文編號：1283227