自适应参数优化EEMD机械故障特征提取方法.pdfVIP

第 34卷第 6期 振动、测试与诊断 Vo1．34No．6 2014年 12月 JournalofVibration．Measurement Diagnosis Dec．2014 自适应参数优化 EEMD机械故障特征提取方法 陈仁祥 ， 汤宝平。， 杨黎霞 ， 周广武 (1．重庆交通大学机电与汽车工程学院 重庆 ，400074) (2．四川大学空天科学与工程学院 成都 ，610044) (3．重庆大学机械传动 国家重点实验室 重庆 ，400030) 摘要 针对应用集合经验模态分解 (ensembleempiricalmodedecomposition，简称 EEMD)进行机械故障特征提取 时两个重要参数k(白噪声幅值系数)和M(总体平均次数)的选取问题，分析了不同幅值系数的白噪声对信号极值 点分布均匀性和 EEMD分解精度 的影响规律 ，提 出了基于信号极值点分布均匀性的EEMD 自适应参数优化方法 。 该方法根据信号本身特点，自适应选取使信号极值点分布最为均匀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 。通过仿真分析和工程应用 ，验证 了所提方法 的可行性和有效性 ，与现有 EEMD 参数选取方法的对 比结果表 明了该方法 的优势 。 关键词 集合经验模态分解 ；特征提取 ；极值点；分布均匀性 ；参数优化 中图分类号 TH165．3；TN911．2 k由原信号 的标准差乘 以一个分数来定义 ，一般取 引 言 原信号标准差的0．2倍 。信号中高频成分多时k适 当减小 ，反之则适 当增大 k。M 可通过设置分解误 集合经验模式分解[1将噪声辅助分析应用于经 差来确定，该方法是一种经验方法，是非 自适应性 验模式分解 ](empiricalmodedecomposition，简称 的。陈略等_lg]应用信号 中的高频成分的幅值标准差 EMD)中，以促进抗混分解 ，有效地抑制 EMD 中固 与低频成分的幅值标准差之 比来确定 k，再通过设 有的模式混淆 问题。相对于 EMD，经 EEMD分解 定的期望分解误差求 出M，该方法有一定应用价 得到的固有模式函数_2](intrinsicmodefunction，简 值 ，但计算过程中不易区分信号的高频成分与低频 称 IMF)更能揭示原信号 的物理内涵 。EEMD的这 成分。 一 抗混特性使其在转子系统 ]、滚动轴承l4]、齿轮 针对 EEMD中的两个重要参数 k和M 的选取 箱 ]、信号降噪口 等机械设备故障特征提取及故 问题 ，分析了白噪声幅值系数改变原信号极值点分 障诊断中得到了广泛应用 ，并显示 出其重要的应用 布的规律及其对 EEMD分解精度 、效率和分解误差 价值和优势。然而 ，在应用 EEMD时必须设置两个 的影响。根据信号本身 的特点 ，通过计算加入 白噪 重要参数 ，即加入 白噪声 的幅值系数 k和总体平均 声后极值点的分布均匀性 的改变来 自适应地选取 次数M 。如果这两个参数设置不合适 ，则会使分解 k，设置 EEMD的期望分解误差来计算 M。提出了 误差增大 ，导致分解结果无意义 。当k过小时，可能 最优参数的EEMD方法 ，仿真信号和工程实例验证 不足以引起信号局部极值点的变化 ，使加入噪声 以 了所提方法的可行性和有效性 。 改变信号的局部时间跨度失去了意义 ；当k过大时， 则会使分解误差增大 ，甚至会湮没原信号特征使分 1 EEMD的抗混原理 解失去意义 。理论上讲，M 值越大则分解误差越 小 ，直至忽略不计 ，