自适应参数优化EEMD机械故障特征提取方法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

TH165.3; TN911.2

基金项目:

国家自然科学基金资助项目(51305471,51375514);中国博士后科学基金资助项目(2014M560719);重庆市基础与前沿研究计划资助项目(cstc2014jcyjA70009);重庆市教育委员会科学技术研究资助项目(KJ1400308)


An EEMD-Feature Extraction Method of Mechanical Fault Based on Adaptive Parameter Optimum
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:

    针对应用集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行机械故障特征提取时两个重要参数k(白噪声幅值系数)和M(总体平均次数)的选取问题,分析了不同幅值系数的白噪声对信号极值点分布均匀性和EEMD分解精度的影响规律,提出了基于信号极值点分布均匀性的EEMD自适应参数优化方法。该方法根据信号本身特点,自适应选取使信号极值点分布最为均匀的白噪声幅值系数作为EEMD的k值,再通过设置期望分解误差计算得到M值。通过仿真分析和工程应用,验证了所提方法的可行性和有效性,与现有EEMD参数选取方法的对比结果表明了该方法的优势。

    Abstract:

    Based on the selection of two important parameters k (the amplitude coefficient of white noise) and M (the number of ensemble members) in the process of applying EEMD to extracting mechanical faults, the law of how white noise with different amplitude coefficients affects the distribution uniformity of signal extreme as well as the decomposition precision is analyzed, and an adaptive parameter optimum method for EEMD based on the distribution uniformity of extreme points is proposed. According to the signal characteristics, k is adaptively obtained when the distribution uniformity of extreme points gets evenly distributed, and the M is obtained by calculating the expectation error. The feasibility and validity of the proposed method are verified with experimental results and industrial measurement analysis. This method shows obvious advantages when compared with traditional EEMD parameter-determining methods.

    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:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2015-01-06
  • 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