基于EMD消除Wigner—vill分布交叉项的研究.pdf

基于EMD消除Wigner—vill分布交叉项的研究.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于EMD消除Wigner—vill分布交叉项的研究

第52卷 第3期 汽 轮 机 技 术 V01.52NO.3 2010年 6月 TURBINE TECHN0L0GY Jun.2010 基于 EMD消除Wigner—viii分布交叉项的研究 韩中合 ,朱霄殉 ,李文华 ,杨晓静 (1华北电力大学动力工程系,保定071003;2华北电力大学机械工程系,保定071003) 摘要:Wigner.Viii分布 (WVD)以其 良好的时变特性和较高的时间、频率分辨率近年来一直被用于信号处理等领域。 然而WVD作为双线性分析方法,在应用时会出现交叉项。针对该问题,提 出基于经验模态分解 (EMD)消除 Wigner.Vil1分布交叉项的方法。该方法首先利用 EMD分解将信号分解成若干模态成分,然后分别对各个成分计 算 WVD,最后将各项结果求和得到信号的WVD分布。该方法有效地消除了WVD交叉项的干扰,同时保留了 WVD的优 良特性。并应用该方法对油膜涡动故障信号进行分析处理,得到了较好的结果。 关键词:Wigner—Vil1分布;经验模态分解;交叉项 ;信号处理;故障诊断 分类号:THI65 文献标识码:A 文章编号:1001-5884(2010)03-0211-04 ResearchofSuppressingCrossTerm ofWigner—villeDistributionBasedonEMD HANZhong-he,ZHUXiao—xun,LIWen—hua,YANGXiao-jing (1DepartmentofPowerEngineering;2DepartmentofMechanicalEngineering, NorthChinaElectricPowerUniversity,Baoding071003,China) Abstract:Wigner—Villedistribution (WVD)iswidelyusedinthefieldofsignalprocessingduetoitsexcellenttimevariant characteristicsandhighresolutionboth inthetimedomainandtherfequencydomain.However,crosswisecomponentsare producedbecauseWVD isabilinearanalysismethod.Aimingatthisproblem ,WVD crosswisecomponenterasingmethod basedonexperiencedEMD isputforward in thispaper.Thismethodfirstlydecomposestheoriginalsignalintoseveral modal componentsbyEMD.ThentheWVD ofeachcomponentiscalculated.Finally,theWVD oftheoriginalsing alis gainedbyaddingthecomponentresultstogether.Themethodpresentedinthispapereffectivelyavoidstheinteractionofthe WVD crosswisecomponentsbutmeanwhilekeepstheadvantagesoftheWVD.Themethodisusedinthesignal processing ofthecrosswisecomponentfaultandhasgainedaperfecteffect. Keywords:wigner-villedistribution;empiricalmodedecomposition;crossterm ;signalprocessing;faultdiagnosis

文档评论(0)

haihang2017 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档