解相关多频率经验模态分解的故障诊断性能优化方法

• 作者: 王涛 程良伦 詹瀛鱼
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 经验模态分解(EMD) 相关系数 多频率 故障特征提取 故障诊断
• 年，卷（期）: 2020,（1）
• 页码范围: 115-122,149
• 页数: 9页
• 分类号: TN911.72|TH113.1
• 字数: 6369字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2020.01.017

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程良伦	广东工业大学计算机学院	274	1459	17.0	25.0
5	詹瀛鱼	广东工业大学计算机学院	1	0	0.0	0.0
9	王涛		1	0	0.0	0.0