2005-陈隽-经验模分解在信号趋势项提取中的应用.pdfVIP

维普资讯 第 25卷第 2期 振动、测试与诊断 Vo1．25No．2 2005年 6月 Jun．2005 JournalofVibration，MeasurementDiagnosis 经验模分解在信号趋势项提取中的应用。 陈 隽 (同济大学建筑工程系 上海 ，200092) 徐幼麟 (香港理工大学土木及结构工程系 香港) 摘要 研究了经验模分解方法 (EmpiricalModeDecomposition，简称 EMD)在信号趋势项提取 中的应用 ，提出了基 于EMD方法在不同频率限制要求下信号趋势项的定义和提取方法。通过应用于数值模拟信号及实测记录，验证 了 此定义的可靠性。分析结果表明，EMD方法依据信号 自身的特性来定义趋势项，无需预先假定其类型，是一种提取 信号趋势项的良好方法 。 关键词 振动信号 经验模分解 趋势项 间歇检测准则 中图分类号 P731 引 言 l 用经验模分解方法提取信号趋势项 测试信号中的趋势项一般指信号中周期大于记 1．1 经验模分解法 录长度的成分n]。提取、消除测试信号中趋势项是数 据处理中的一个重要环节 。趋势项的存在，会使时域 EMD方法是由美 国NASA 的黄锷博士提出的 中的相关分析或频域中的功率谱分析产生很大的误 一 种信号分析方法 ]。它依据数据 自身的时间尺度 差 ，甚至使低频谱完全失去真实性 ]。此外，除去测 特征来进行信号分解 ，无须预先设定任何基函数。这 试仪器飘零等因素，许多信号中的趋势项往往具有 一 点与建立在先验性的谐波基函数和小波基函数上 非常明确的物理含义。例如，风速记录中的趋势项对 的傅里叶分解与小波分解方法具有本质性的差别 。 应于测量时段 内的平均风分量；桥梁结构机车荷载 正是由于这样 的特点，EMD方法在理论上可 以应 位移时程记录中的趋势项对应于 自重引起 的静位 用于任何类型的信号的分解，因而在处理非平稳及 移。此时，信号趋势项本身也是需要研究的对象。因 非线性数据上，具有非常明显的优势。所 以，EMD 此 ，提取、消除数据趋势项的工作需要特别谨慎 ，只 方法一经提出就在不同的工程领域得到了迅速有效 能消除在物理上有 明确含义和数据 中明显含有的趋 的应用 ，例如用在海洋、大气 、天体观测资料与地震 势项。 记录分析、机械故障诊断[4]、密频动力系统的阻尼识 现有的消除趋势项的方法有几种，如平均斜率 别[s以及大型土木工程结构 的模态参数识别[6方 法、差分法、低通滤波法及最 小二乘拟合方法等 面 。 等 ]。这些方法通常需要预先假定信号中趋势项的 根据定义，EMD分解方法假定任何待分解信 类型，如线性趋势、多项式或指数趋势等等，不适用 号都 由一组固有振动模式构成 ，并据此将信号分解 于处理具有复杂变化趋势或随机变化趋势的信号 ， 为若干固有模式 函数 (IntrinsicModeFunction，简 因此不具有普遍的适用性 。针对这一 问题，本文讨论 称 IMF)的和 。这些固有振动模式既可 以是线性的， 采用一种新的数据处理方法——经验模分解法 (下