基于最优参数集合经验模式分解的机械故障特征提取方法
专利类型：发明专利
语 言：中文
申 请 号：CN201210290721.1
申 请 日：20120815
申 请 人：重庆大学
申请人地址：400030 重庆市沙坪坝区沙正街174号
公 开 日：20141015
公 开 号：CN102778357B
代 理 人：王海权
代理机构：北京同恒源知识产权代理有限公司 11275
摘 要：本发明涉及到机械设备状态监测和故障诊断技术领域，提出了一种基于最优参数集合经验模式分解（EEMD，Ensemble empirical mode decomposition）的机械故障特征提取方法。该方法从白噪声幅值系数改变信号极值点分布均匀性的规律出发，寻找使信号极值点均匀性最好的白噪声幅值系数作为EEMD的k值，再通过设置期望分解误差计算得到M值（总体平均次数），从而完成EEMD参数的选取，以对故障信号进行EEMD分解并提取故障特征。对滚动轴承故障特征的成功提取验证了该方法的可行性与有效性。该发明适用于机械设备的状态监测以及故障诊断等领域。
主 权 项：基于最优参数集合经验模式分解的机械故障特征提取方法，其特征在于：包括如下步骤：1）输入信号X(T)，计算加入不同幅值系数的白噪声后信号的极大值序列相邻点幅值差值和间距的标准差的乘积STD_MAX，以及极小值序列相邻点幅值差值和间距的标准差的乘积STD_MIN，获得使STD_MAX取得最小值的白噪声幅值系数K_MAX，获得使STD_MIN取得最小值的白噪声幅值系数K_MIN；2）求K_MAX和K_MIN的平均值作为EEMD的参数K,再根据设置的期望分解误差E计算总体平均次数M，完成EEMD参数优化；3）对故障信号进行EEMD分解，获得一系列固有模式函数IMF分量，完成故障特征提取。
关 键 词：
法律状态：生效
IPC专利分类号：G01M13/04