文献类型：期刊文章

作　　者：蔡艳平[1] 李艾华[1] 徐斌[1] 许平[1,2] 何艳萍[3]

机构地区：[1]第二炮兵工程学院五系,西安710025 [2]西安交通大学机械制造系统工程国家重点实验室,西安710049 [3]第二炮兵工程学院六系,西安710025

出　　处：《振动．测试与诊断》

基　　金：博士后科学基金资助项目(编号:20070411116);学院创新性基础研究基金资助项目(编号:XY2009JJB33)

年　　份：2011

卷　　号：31

期　　号：6

起止页码：709-714

语　　种：中文

收录情况：BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现有集成经验模态分解(ensemble empirical mode decomposition,简称EEMD)算法中加入白噪声的大小与集成的次数都需要人为按照经验设定,缺乏可靠性。针对此问题,提出了自适应集成经验模态分解(adaptive ensemble empirical mode decomposition,简称AEEMD)算法,并给出了一种在EEMD方法中有效加入白噪声的可依据准则。首先,计算出输入信号的幅值标准差;然后,采用高通滤波方法对输入信号进行分解,通过计算高通滤波分解后的高频分量幅值标准差和输入信号幅值标准差来确定加入白噪声的幅值标准差,在此基础之上,EEMD集成次数根据期望的信号分解相对误差和加入白噪声的幅值标准差惟一确定;最后,为了进一步提高相邻模态函数的正交性,对AEEMD分解结果进行二次处理。仿真试验验证了AEEMD方法的抗混分解能力,将AEEMD方法应用于转子油膜涡动的故障监测诊断中,提取出转子油膜涡动的故障特征,并与基本EMD算法进行了对比,结果表明,AEEMD更加精确地提取了油膜涡动信号的故障特征。

关 键 词：旋转机械 故障诊断 集成经验模态分解  模态混叠  

分 类 号：TN911.7] TH165.3]