总体平均经验模式分解与1.5维谱方法的研究

摘要：

针对复杂背景下机车走行部齿轮箱齿轮裂纹故障微弱特征的提取问题,提出了总体平均经验模式分解(EEMD)与1.5维谱的故障特征提取方法.首先运用EEMD方法对振动信号进行自适应抗混分解,得到不同频带的基本模式分量(IMF),然后运用1.5维谱方法对停含有故障特征信息的IMF进行后处理.该方法具有避免模式混淆、抑制高斯白噪声、检测非线性耦合特征等特性,并以此来提取故障的微弱特征信息.根据待处理信号的时频特性与EEMD原理,提出了在EEMD方法中加入高斯白噪声的准则,通过信号仿真验证了EEMD方法的抗混分解能力.将EEMD与1.5维谱方法应用于机车走行部齿轮箱的监测诊断中,成功地提取出齿轮箱大齿轮齿根早期的裂纹故障.

关键词：总体平均经验模式分解、1.5维谱、特征提取、齿轮裂纹故障

所属期刊栏目：43

分类号：TH17

资助基金：国家自然科学基金资助项目50575171;国家高科技研究发展计划资助项目2006AA04Z430

在线出版日期：2009-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：94-98