LMD形态学与EEMD形态学在故障诊断中的对比研究

• 作者: 侯高雁 吕勇 李友荣 王志刚
• 来源期刊: 仪表技术与传感器
• 学科: 工学
• 关键词: 局域均值分解 总体经验模式分解 故障特征 形态学 频率特征 齿轮故障
• 年，卷（期）: 2014,（8）
• 所属期刊栏目: 研究与开发
• 页码范围: 107-110
• 页数: 4页
• 分类号: TH16
• 字数: 3503字
• 语种: 中文

摘要

为了从非线性非平稳信号中清晰地提取出故障信号的频率特征,研究了局域均值分解(LMD)形态学和总体经验模式分解(EEMD)形态学在故障特征提取中的应用.LMD形态学(EEMD形态学)是将信号通过LMD(EEMD)分解,选取主要信息重构,用形态学差值滤波器来提取故障信号的频率特征.通过数字仿真试验和齿轮故障模拟实验,对2种方法进行了对比,结果表明:LMD形态学比EEMD形态学更能够清晰地提取出故障信号的频率特征,并且提取速度远远快于EEMD形态学.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王志刚	武汉科技大学机械自动化学院	122	964	17.0	23.0
2	李友荣	武汉科技大学机械自动化学院	226	1660	20.0	26.0
3	吕勇	武汉科技大学机械自动化学院	92	605	14.0	19.0
4	侯高雁	武汉科技大学机械自动化学院	5	19	2.0	4.0