研究集合经验模式分解在旋转机械故障诊断中的应用

摘要

在采用经验模式分解时，会产生混淆现象，为了抑制这种现象，并提高分析精度，引入了集合经验模式分解（EEMD，是经验模式分解的改进算法，能够有效解决EMD的混频现象）算法。在执行算法时，在分析信号上加入随机高斯白噪声序列以改变信号的局部时间跨度，如此一来经验模式分解（EMD，能把复杂的信号分解成若干个本征模态函数）中的特征尺度就被改变了，在多次的EMD分解后，变相的等于从多个角度提取出了信号的本质，最后将每次分解得出的各个本征模态函数（IMF，本征模态函数）的平均值作为实际输出，这样一来不仅消除了人为的噪声影响，还准确的还原了信号的本质，精准的阐明了真实的物理意义。通过实验和案列证实了EEMD算法真的有效，并且与基本的EMD算法和高频谐波法进行了对比，结果显示，EEMD虽然耗时较久，但是结果更加准确，在诊断旋转机领域应用前景广泛。