互补集合自适应最稀疏窄带分解及其应用

摘要：

自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)是在包含内禀模态函数(Intrinsic Mode Functions,IMF)的过完备字典库中搜索信号的最稀疏解,将信号分解转化为优化问题,但在强噪声干扰时计算精度仍有待提高.因此在结合了互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)算法,得到了新的互补集合自适应最稀疏窄带分解(Complementary Ensemble Adaptive Sparsest Narrow-band Decomposition,CE-ASNBD)方法.此方法是加入成对符号相反的白噪声到目标信号,从而减小重构误差,在对滤波器参数的优化过程中实现信号的自适应分解.对仿真和实验数据的分析结果表明,该方法在抑制模态混淆、端点效应、性能、提高分量的正交性和准确性等方面要优于CEEMD和ASNBD方法,并能有效应用于滚动轴承故障诊断.

关键词：故障诊断、滚动轴承、自适应最稀疏窄带分解、互补集合经验模态分解、局部窄带信号

所属期刊栏目：38

分类号：TH165.3;TN911.7

资助基金：国家重点研发计划2018YFF0212902;国家自然科学基金51805161;湖南省自然科学基金2018JJ3187

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：31-37