10.13465/j.cnki.jvs.2020.01.017
解相关多频率经验模态分解的故障诊断性能优化方法
针对故障诊断中采用EMD方法存在模态混叠现象,引起故障特征提取精度低的问题.提出了一种解相关多频率经验模态分解(Decorrelation Muhiple-Frequency Empirical Mode Decomposition,DMFEMD)方法,首先对初始信号添加多个频率的掩蔽信号,初步分解其中不同频率比的信号分量得到多个IMF分量;其次计算相邻IMF之间的相关系数并对其解耦,进一步分离IMF中存在混叠的部分,得到最优IMF;最终,从原始信号中减去最优IMF,然后重复上述步骤,直到残余分量为常数或单调.由于保证了IMF之间互不相关且互不干扰,因此模态混叠现象显著减弱,有效提高故障特征提取精度.利用排列熵算法对一系列最优IMF构造特征样本集,引入SVM建立故障分类模型,实现设备故障诊断.通过试验证明,DMFEMD与传统的方法相比,能有效分离不同频率比混合信号,提高分解效果.同时以轴承振动信号为例,DMFEMD可以更好的提取轴承的故障特征,结合PE与SVM能够实现不同故障类型的高效精确的诊断.
经验模态分解(EMD)、相关系数、多频率、故障特征提取、故障诊断
39
TN911.72;TH113.1
NSFC-广东联合基金;广东省省级科技计划项目;广东省科技计划项目;粤港共性技术招标项目;广东省科技计划项目
2020-04-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
115-122,149