基于二阶包络逆EMD算法改进与实现

在分析经典EMD(Empirical Mode Decomposition)和高阶极值点逆向筛分EMD方法的基础上,提出了一种基于二阶包络逆EMD的改进方法。该方法结合标准EMD与逆EMD的良好属性,采用一阶、二阶包络,通过给定条件在筛分过程选择最优包络均值进行筛分。实验结果表明:该方法适用于分解频率差值较低的多分量信号且减小高频分量误差;有效地减小估计误差及抑制多余IMF分量;以最优包络作为筛分包络,EMD分解效果更佳。

基于自适应CYCBD和1.5维谱的滚动轴承故障特征提取方法

在强背景噪声环境下,滚动轴承的故障特征信号难以得到分离,针对这一问题,提出了一种基于自适应最大二阶循环平稳盲卷积(CYCBD)和1.5维谱的滚动轴承故障特征提取方法。首先,对滚动轴承故障振动信号进行了傅里叶变换,得到了其信号的频谱结构,再以加权谐波和为优化指标,将信号频谱范围内的所有频率作为候选频率进行了搜索,确定加权谐波和最大处的频率为最优循环频率;然后,使用经过参数优化后的CYCBD对信号进行了滤波,并结合1.5维谱方法对滤波信号进行了处理;最后,为了进一步验证该方法在提取轴承故障特征方面的有效性,采用包络分析方法对实测信号进行了分析,获得了滤波信号的频谱特征。研究结果表明:经基于自适应CYCBD和1.5维谱方法滤波后,信号的香农熵为0.094,显著低于CYCBD和经验模态分解(EMD)方法;而且在信号的包络谱中,出现了清晰的故障特征频率及其倍频谱线,说明该方法具有较好的噪声抑制能力,并且能够有效地提取轴承振动信号中的故障脉冲成分。