10.13465/j.cnki.jvs.2014.18.024
基于EEMD自适应形态学在齿轮故障诊断中的应用
为了从齿轮故障信号中提取出包含故障信号的特征频率,提出了基于EEMD自适应形态学解调方法。首先采用EEMD (集合经验模式分解)进行降噪,将原始信号与不同的白噪声叠加组成目标信号,然后将目标信号分解为有限个IMF分量,选取主要信息求和重构,再用形态学滤波器提取故障信号的特征频率。针对形态学结构元素尺寸的选择问题,利用遗传算法来优化形态学结构元素,自适应寻求最优解。通过数字仿真试验和齿轮故障模拟实验,并与EMD (经验模式分解)、SVD(奇异值分解)方法进行了比较,结果表明该算法要优于其他两种方法,能够清晰地提取出故障信号的各种频率特征。
形态学、特征频率、EEMD、结构元素、遗传算法
TH165
国家自然科学基金青年基金资助项目51105284;国家自然科学基金项目51475339
2014-09-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
145-148