10.3969/j.issn.1000-1158.2016.05.12
优化HHT端点效应的新方法
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。
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
37
TB936;TB973(计量学)
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
2016-11-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
509-514