CEEMD在汽油机爆震特征诊断中的应用

为改善经验模态分解(EMD)的模态混叠问题与集合经验模态分解(EEMD)的白噪声不能被完全中和的问题,提出选择利用补充集合经验模态分解(CEEMD)进行爆震诊断的方法;利用CEEMD算法对实际爆震信号进行分解,并与滤波方法与小波变换方法计算结果进行对比,结果表明:CEEMD相对EEMD算法的白噪声残余更少,其重构信号更加准确,特征分量中的丢失的信息成分更少,对于爆震强度的判定将更加准确,CEEMD分解结果爆震峰值更加明显,可以准确识别出发动机多个气缸的爆震特征。提出一种基于样本熵的爆震特征参数,对爆震窗口选择依赖性小,计算验证结果显示与传统的Siemens VDO算法结果有较好的一致性。