基于迭代的集总经验模式分解算法的齿轮箱故障特征提取

基于迭代的集总经验模式分解算法的齿轮箱故障特征提取姜军生;林近山
【期刊名称】《机械传动》
【年(卷),期】2011(35)12
【摘要】针对集总经验模式分解方法(Ensemble Empirical Mode Decomposition,EEMD)在实际应用中存在的盲目添加白噪声的问题,提出了一种迭代的集总经验模式分解方法(Iterative Ensemble EmpiricalMode Decomposition,IEEMD)。

首先介绍了IEEMD方法,然后将EEMD方法与IEEMD 方法用于实际齿轮箱故障信号的特征提取。

结果表明,与EEMD方法相比,IEEMD 方法可以得到更高分辨率的HHT时频谱图,可以从信号中提取更多的有用信息。

说明IEEMD方法较好地克服了EEMD方法中存在的盲目添加白噪声的问题,适合于作为齿轮箱故障信号的特征提取方法。

【总页数】4页(P73-75)
【关键词】集总经验模式分解;迭代的集总经验模式分解;齿轮箱;特征提取
【作者】姜军生;林近山
【作者单位】潍坊学院机电工程学院
【正文语种】中文
【中图分类】U463.212
【相关文献】
1.基于经验模态分解的齿轮箱故障特征提取 [J], 鲍志鹏;沈希忠;韩志威
2.基于时频谱和集总经验模式分解(EEMD)包络谱分析的地铁车辆故障分析 [J], 何斌斌;戴焕云;石怀龙
3.基于集总经验模式分解和支持向量机的液压泵故障预测研究 [J], 田海雷;李洪儒;许葆华
4.基于互补集总经验模态分解和局部异常因子的有载分接开关状态特征提取及异常状态诊断 [J], 张知先; 陈伟根; 汤思蕊; 王有元; 万福
5.基于互补的总体经验模式分解算法的齿轮箱故障诊断 [J], 林近山
因版权原因，仅展示原文概要，查看原文内容请购买。