基于CEEMDAN能量熵的故障特征提取方法

摘要：

作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何从中将故障特征有效提取出来尤为重要.针对复杂机械设备振动信号非平稳非线性的特点,提出利用自适应噪声完全集合经验模态分解(complete ensemble em-pirical mode decomposition with adaptive noise,CEEMDAN)结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证.通过构建多分量调制信号,分析比较了经验模态分解(empirical mode decomposition,EMD)、集合经验模态分解(en-semble EMD,EEMD)、完全集合经验模态分解(complete EEMD,CEEMD)以及CEEMDAN 4种算法的分解效果.利用CEEM-DAN对振动信号进行分解,提取相关性较大的本征模态分量(intrinsic mode function,IMF)分量的能量熵作为特征向量,输入到支持向量机中进行模式分类.研究表明,CEEMDAN能够一定程度上抑制模态混叠问题,对于不同类型的故障能够有效的识别.

关键词：CEEMDAN、振动信号、能量熵、特征提取

所属期刊栏目：22

分类号：TK428(内燃机)

资助基金：军内科研项目CRJC18007016

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：15624-15630