机械早期及复合故障的集成噪声重构经验模式分解方法

摘要

本发明公开了一种机械早期及复合故障的集成噪声重构经验模式分解方法，它首先对信号中的噪声分量进行估算和重采样，并重构若干输入信号。利用噪声极值点的变化来改善信号不连续问题，为避免模式混淆的信号分解提供前提。然后，对这些重构输入信号进行经验模式分解(EMD)得到相应的基本模式分量(IMF)。最后，利用随机序列统计均值为零的原理，将所有对应的IMF做总体平均运算，消除信号中噪声分量的影响，从而达到信号降噪与特征增强的目的。本发明非常适合于信噪比相对较低的机械早期及复合故障信号处理及特征提取，识别精度高，运算实时性好，简单易行，便于工程实践中使用。