运用总体经验模态分解的疲劳信号降噪方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    将总体经验模态分解(ensemble empirical mode decomposition, 简称EEMD)用于疲劳应变信号降噪,并与小波变换(wavelet transform, 简称WT)方法进行了对比。提出了基于EEMD方法的疲劳应变信号降噪计算步骤,并分别用于模拟信号、试验数据和实测资料的降噪处理。讨论了EEMD计算参数对降噪效果的影响,给出了计算参数的选取原则。结果表明,EEMD方法可以较好地降低疲劳信号的噪声,提高应力循环次数统计的准确度, 具有自适应的特点。

    Abstract:

    This paper investigates application of ensemble empirical mode decompo sition (EEMD), which is a signal processing tool recently developed, to noise re duction of fatigue signals. A framework for noise reduction based on EEMD was pr oposed. The feasibility and effectiveness of the framework were verified by appl ying EEMD to the simulated signal, the experimental fatigue signal and the field measured strain time history. The results demonstrated that if the proper compu tational parameters are chosen, the EEMD method can effectively reduce the measu rement noise in the fatigue signal and significantly improve the accuracy of fat igue life prediction. Finally, rules were suggested for selection of computation al parameters for EEMD.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-02-09
  • 最后修改日期:2010-06-12
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司