自适应噪声均值优选集成经验模态分解及其在滚动轴承故障诊断中的应用

• 作者: 童靳于 苏缪涎 郑近德 潘海洋 潘紫微 包家汉
• 来源期刊: 电子测量与仪器学报
• 关键词: 自适应噪声完整集成经验模态分解 经验模态分解 最大相关峭度反褶积 滚动轴承 故障诊断
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: “状态监测与故障诊断”专题|CONDITION MONITORING AND FAULT DIAGNOSIS
• 页码范围: 41-49
• 页数: 9页
• 分类号: TH17
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003462

摘要

为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集成经验模态分解(mean-optimized ensemble empirical mode decomposition with adaptive noise,MEEMDAN).MEEMDAN在迭代筛分过程中引入不同的权重,以正交性指标最小为依据,从不同权重下的分解结果中选取最优模态函数(IMF),确保了每一阶的IMF分量都是整体最优.通过仿真分析验证了MEEMDAN方法在分解能力和分解精度方面优于CEEMDAN方法.同时,将MEEMDAN和最大相关峭度反褶积相结合,并应用于滚动轴承仿真数据和实测数据分析,结果表明,与现有方法相比,所提方法能够更为准确地提取出故障特征频率,且在分解能力和抑制干扰频率方面更具有优越性.