摘要:经验模态分解(Empirical mode decomposition,EMD)作为一种自适应的信号分解方法已经被广泛应用于诸多工程领域。为了提高EMD的分解性能,分别考虑从不同权值均值曲线的迭代筛分结果中选择正交性最小以及从每层内禀模态函数迭代结果中选择最优以保证整体分解最优,发展了两种均值优化经验模态分解(Mean-optimized empirical mode decomposition,MOEMD)算法。通过仿真信号分析,将MOEMD方法与EMD等现有信号分解方法进行了对比,结果表明,MOEMD方法在分解性能和分解精度方面比EMD等方法有显著提高。最后,将MOEMD方法应用于转子碰摩故障信号分析,并与EMD进行了对比分析,结果表明,MOEMD方法不仅能够有效地识别转子碰摩故障,而且识别效果优于EMD方法。
关键词:经验模态分解 总体平均经验模态分解 局部特征尺度分解 转子碰摩 故障诊断
单位:安徽工业大学机械工程学院; 马鞍山243032; 湖南大学汽车车身先进设计制造国家重点实验室; 长沙410082
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社