本文關(guān)鍵詞：基于變分模態(tài)分解參數(shù)估計的滾動軸承故障信息提取方法

  更多相關(guān)文章： 變分模態(tài)分解 經(jīng)驗?zāi)B(tài)分解 參數(shù)估計 滾動軸承 故障信息

【摘要】：變分模態(tài)分解在信號分解精度和噪聲魯棒性方面具有明顯優(yōu)勢,但需預(yù)先確定模態(tài)數(shù)K,而目前K只能靠先驗知識進(jìn)行預(yù)估,如果預(yù)估的K與實際信號存在差異,會導(dǎo)致分解誤差較大。針對以上問題,利用EMD不需預(yù)先設(shè)定模態(tài)數(shù)的自適應(yīng)分解特點,通過對EMD分解結(jié)果的分析,進(jìn)行VMD分解模態(tài)數(shù)的估計,并通過仿真信號分析及滾動軸承故障信息提取,驗證了所提出方法的可行性與有效性。
【作者單位】： 上海開放大學(xué);上海大學(xué);
【關(guān)鍵詞】： 變分模態(tài)分解 經(jīng)驗?zāi)B(tài)分解 參數(shù)估計 滾動軸承 故障信息
【基金】：國家自然科學(xué)基金項目(51575331)
【分類號】：TH133.33
【正文快照】： 變分模態(tài)分解(Variational Mode Decomposi-tion,VMD)假設(shè)信號由許多模態(tài)函數(shù)疊加而成[1],每個模態(tài)函數(shù)是具有不同中心頻率的調(diào)頻調(diào)幅信號,通過迭代搜尋構(gòu)造變分模型的極值來確定每個模態(tài)函數(shù)(分量)的頻率中心及帶寬,從而實現(xiàn)信號的頻域剖分及各分量的有效分離。VMD具有堅實的

【相似文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王振威;基于變分模態(tài)分解的故障診斷方法研究[D];燕山大學(xué);2015年

，

本文編號：679173