本文關(guān)鍵詞：基于變模式分解和頻譜特性的自適應(yīng)降噪算法

  更多相關(guān)文章： 振動(dòng)信號(hào) 降噪算法 變模式分解 頻譜方差 軸承故障

【摘要】：機(jī)械故障檢測過程中,由于反映機(jī)械故障的振動(dòng)信號(hào)微弱,很容易被外界噪聲干擾信號(hào)污染,從而影響機(jī)械故障診斷。為提取純凈振動(dòng)信號(hào),傳統(tǒng)EEMD濾波算法雖具有較強(qiáng)的降噪能力,但由于EEMD算法存在缺乏嚴(yán)謹(jǐn)理論基礎(chǔ)、運(yùn)算效率低、容易造成有用信號(hào)丟失等缺點(diǎn),致使降噪效果不理想。為解決以上問題,提出一種基于變模式分解和頻譜特性的自適應(yīng)降噪算法�；谧兡Ｊ椒纸鈨�(yōu)點(diǎn),通過分析有用信號(hào)模態(tài)與噪聲模態(tài)頻譜特性,提取有用信號(hào)模態(tài)從而實(shí)現(xiàn)降噪。通過仿真信號(hào)與實(shí)測信號(hào)分析表明,新算法降噪效果優(yōu)于傳統(tǒng)EEMD濾波算法。
【作者單位】： 南京信息工程大學(xué)電子與信息工程學(xué)院;江蘇省大氣環(huán)境與裝備技術(shù)協(xié)同創(chuàng)新中心;
【關(guān)鍵詞】： 振動(dòng)信號(hào) 降噪算法 變模式分解 頻譜方差 軸承故障
【基金】：國家自然科學(xué)基金(61473334;61104062)
【分類號(hào)】：TH17
【正文快照】： 0引言機(jī)械故障診斷與狀態(tài)監(jiān)測依賴于對(duì)機(jī)械振動(dòng)信號(hào)進(jìn)行分析,然而采集的振動(dòng)信號(hào)混有大量噪聲干擾信號(hào),其中噪聲勢(shì)必會(huì)影響對(duì)振動(dòng)信號(hào)的分析,因此如何濾除噪聲、提取純凈振動(dòng)信號(hào)是故障診斷的基礎(chǔ)。傳統(tǒng)濾波方法把信號(hào)映射到頻域范圍內(nèi),利用噪聲信號(hào)與有用信號(hào)頻率的差異性,設(shè)，

本文編號(hào)：795018