基于EEMD自适应形态学在齿轮故障诊断中的应用

摘要：

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。

关键词：形态学、特征频率、EEMD、结构元素、遗传算法

分类号：TH165

资助基金：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

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：145-148