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)驗模態(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,但需預先確定模態(tài)數(shù)K,而目前K只能靠先驗知識進行預估,如果預估的K與實際信號存在差異,會導致分解誤差較大。針對以上問題,利用EMD不需預先設定模態(tài)數(shù)的自適應分解特點,通過對EMD分解結(jié)果的分析,進行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;上海大學;
【關(guān)鍵詞】： 變分模態(tài)分解 經(jīng)驗模態(tài)分解 參數(shù)估計 滾動軸承 故障信息
【基金】：國家自然科學基金項目(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】

中國碩士學位論文全文數(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;2015年

，

本文編號：679173