优化HHT端点效应的新方法

摘要：

在旋转机械的故障诊断中，希尔伯特-黄变换（ HHT）方法常用于提取故障特征信号以及分解结果的时频分析，然而，在HHT中会出现端点效应问题，且导致模态混叠和虚假本征模态函数（ IMF）等一系列问题。针对这一问题，提出了利用广义回归神经网络（ GRNN）和边界局部特征尺度延拓（ BLCC）相结合的方法先对信号延拓，再进行经验模式分解（ EMD）。通过仿真与故障实验，在时域、频域和希尔伯特-黄谱的相关参数的情况下，对比镜像延拓优化的HHT分解结果，验证了所提方法的有效性。实验结果表明：所述方法能够有效地抑制HHT中的端点效应，且减轻了模态混叠和虚假IMF分量，同时能准确地表现信号的真实结构成分。

关键词：计量学、故障诊断、旋转机械、希尔伯特-黄变换、端点效应、模态混叠、边界局部特征尺度延拓法、广义回归神经网络

所属期刊栏目：37

分类号：TB936;TB973(计量学)

资助基金：国家自然科学基金51375467；质检公益性行业科研专项201410009；浙江省公益性技术应用研究计划项目2013C31098

在线出版日期：2016-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：509-514