APEEMD及其在转子碰摩故障诊断中的应用

摘要：

总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)是抑制经验模态分解(empirical mode decomposition,简称EMD)模态混叠的有效方法,针对EEMD分解效果依赖于添加噪声的大小、筛分次数和总体平均次数等参数的选择及噪声残留大、分解不完备等问题,提出了自适应部分集成经验模态分解.该方法通过成对地向目标信号加入自适应噪声,并对每个内禀模态函数(intrinsic mode function,简称IMF)自动选择筛选次数,通过排列熵检测筛分出高频IMF,再对剩余信号进行EMD分解.将提出的方法应用于仿真和转子碰摩故障试验数据分析,结果表明提出的方法能够有效地应用于转子碰摩故障诊断,而且在分量的精确性、完备性和模态混叠的抑制等方面优于EEMD方法.

关键词：经验模态分解、总体平均经验模态分解、模态混叠、转子碰摩、故障诊断

所属期刊栏目：36

分类号：TH17;TH165+.3;TN911.7

资助基金：国家自然科学基金资助项目51505002,51375152;安徽省高校自然科学研究重点资助项目KJ2015A080

在线出版日期：2016-07-07（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：257-263