基于小波除噪和经验模式分解的信号分析方法.pdfVIP

第2l卷 第5期 机械研究与应用 Vol21 No5 2008年 lO月 MECHANICALRESEARCH APPLICAnON 2oo8—1O 基于小波除噪和经验模式分解的信号分析方法 汪 沅，朱瑞荪 (武汉科技大学，湖北武汉 430081) 摘 要：经验模式分解是一种自适应分解算法。通过对常见信号的经验模式分解结果进行分析 ，发现信号中包含的 噪声对分解结果影响较大。在此基础上，提出一种小波除噪与经验模式分解相结合的信号分析方法。该方法 充分利用小波变换的降噪功能和经验模式分解的自适应分解能力，能真实地反映信号特征，为基于信号分析 的故障诊断提供了一种可行的途径。 关键词：经验模式分解；小波变换 ；除噪；信号分解；故障诊断 中图分类号 ：TH165 ．3 文献标识码 ：A 文章编号：1007—4414(2008)05—0099—03 A signalprocessingmethodbasedonwaveletdenoisingandempiricalmodedecomposition Wang Yuan。ZhuRui—sun (Wuhanunwe~ityofscienceandtechnology-WuhanHubei430081-China) Abstract：Theempiricalmodedecompositionisalladaptivemethod forsignalprocessing．From thedecompo sitionresultsof somefamiliarsingalsusingEMD，itisofundthatthenoiseinthesingal affectedtheresultsgreatly．A newmethod basedon waveletdenoisingandEMDhasbeenpresented．Th emethod combinestheadvantageofwaveletdenoisingwiththeabilityofa- daptivedecomposition-byusingit。thefeatureCna beshownreally．Th emethod issuitableforthefaultdiagnosis． Keywords：EMD ；wavelettransform ：denoising；singal decomposition；faultdiagnosis 在机械动态分析、设备状态监测与故障诊断过程 解为有限个固有模态函数 (IMF)之和。固有模态函 中，存在大量的非平稳信号，如何对该类信号的时变 数必须满足两个条件：①在整个数据段 内，极值点的 性做出准确的描述是信号分析中的重要课题。传统 个数和过零点的个数必须相等或最多相差一个；②在 的信号分析方法以傅立叶变换为基础，只适于分析稳 任何一点，由局部极大值点形成的上包络线和 由局部 态信号，而不适合分析非稳态信号，而几乎所有的机 极小值点形成的下包络线的均值为0。但几乎所有 械振动信号都是非线性、非稳态信号。近年来，研究 的信号都是非线性、非稳态的，它们不满足构成固有 人员运用短时傅立叶变换、Wigner—Ville分布、小波 模态函数的条件。因此，需要采用一种筛选算法，将 分析等方法对此类信号的时变性给予了恰当描述，在 复杂信号分解为若干个固有模态函数(IMF)之和。 工程实际中获得广泛的应用…。 EMD方法的分解步骤如下 】： 由N．E．Huang于 1998年提出的经验模式分解 (1)确定信号 (t)的所有局部极值点，然后用