本文關鍵詞：基于改進的集合經驗模態(tài)方法振動信號分解

  更多相關文章： 集合經驗模態(tài)分解 變步長模式搜索 振動信號 模態(tài)混疊

【摘要】：針對集合經驗模態(tài)分解(EEMD)中2個重要參數白噪聲幅值系數和集合平均次數的優(yōu)化問題,提出了一種基于變步長模式搜索的集合經驗模態(tài)方法.該方法以EEMD期望的分解誤差設定值為目標,利用自適應EEMD得到的白噪聲幅值系數為初值,對不同振動信號能夠自動獲取合適的EEMD參數,解決模態(tài)混疊問題.仿真實驗和工程案例驗證結果表明:與傳統(tǒng)EEMD和自適應EEMD相比,基于變步長模式搜索的EEMD方法具有更高的分解精度及更快的運算效率.
【作者單位】： 上海交通大學機械與動力工程學院;上海航天設備制造總廠;
【關鍵詞】： 集合經驗模態(tài)分解 變步長模式搜索 振動信號 模態(tài)混疊
【基金】：國家科技重大04專項項目(2014ZX04015-021)
【分類號】：TH17;TN911.7
【正文快照】： 振動信號是用來評估機械部件健康狀態(tài)的重要信號,振動信號處理最關鍵步驟之一就是信號分解.目前振動信號的分解方法主要有快速傅里葉變換(FFT)、小波變換和經驗模態(tài)分解(EMD)等[1].其中FFT是典型的振動信號處理技術,在旋轉機械狀態(tài)監(jiān)測中廣泛應用.但是FFT是一種典型的線性穩(wěn)態(tài)，

本文編號：528569