局部均值分解(Local mean decomposition,简称LMD)方法通过滑动平均方法平滑局部均值线段和局部幅值线段得到局部均值函数和包络估计函数,从而实现信号的分解。但滑动平均方法会产生相位差以及平滑步长的选择具有一定的主观性,这样会使...局部均值分解(Local mean decomposition,简称LMD)方法通过滑动平均方法平滑局部均值线段和局部幅值线段得到局部均值函数和包络估计函数,从而实现信号的分解。但滑动平均方法会产生相位差以及平滑步长的选择具有一定的主观性,这样会使分解结果不理想。对LMD方法进行了改进,采用有理样条插值函数(Rationalspline)求取信号的上下包络线,然后通过上下包络线计算信号的局部均值函数和包络估计函数,克服了原LMD方法中采用滑动平均方法带来的缺陷。通过对仿真信号以及滚动轴承故障振动信号的分析,表明改进后的LMD方法优于原LMD方法。展开更多
文摘局部均值分解(Local mean decomposition,简称LMD)方法通过滑动平均方法平滑局部均值线段和局部幅值线段得到局部均值函数和包络估计函数,从而实现信号的分解。但滑动平均方法会产生相位差以及平滑步长的选择具有一定的主观性,这样会使分解结果不理想。对LMD方法进行了改进,采用有理样条插值函数(Rationalspline)求取信号的上下包络线,然后通过上下包络线计算信号的局部均值函数和包络估计函数,克服了原LMD方法中采用滑动平均方法带来的缺陷。通过对仿真信号以及滚动轴承故障振动信号的分析,表明改进后的LMD方法优于原LMD方法。