基于EMD和小波包的轴承故障特征提取方法研究-信息与信息处理专业论文.docxVIP

沈阳航空工业学院硕士学位论文摘 沈阳航空工业学院硕士学位论文 摘 要 论文首先分析了经典信号处理方法的特点和局限，研究了当今处理非平稳信号的热 点——小波变换和希尔伯特．黄变换，并对这两种变换的基本理论和算法做了深入研究。 其次，本文重点研究了经验模态分解(EMD)和小波变换结合的方法，指出了这种 结合大多是建立在利用小波良好的降噪性能对信号做预处理，但实际信号非常复杂且伴 有噪声影响，因而降噪模型是难以得到的，这使得特征参数的提取非常困难。在对EMD 的理论研究后发现，其分解过程不仅是自适应地选取基函数而且具有一定的自适应滤波 功能。因此，本文提出了将EMD的自适应性和小波包分解结合的方法(文中简称为 EMD WP)来处理非平稳信号，该方法是在EMD对信号分解后用小波包对IMF做进一 步分析，通过仿真试验说明，该方法在有噪声干扰的情况下，仍可以提取出较精确的特 征频率。试验中还验证了在噪声强度比较大时，引用二代小波对信号做降噪处理后 EMD WP的效果会得到改善。 最后，本文以非平稳的轴承故障信号为研究对象，叙述了轴承故障产生的机理，并 用EMD WP分析了滚动轴承故障数据，结果表明该方法提取的故障特征明显，可以实 现对滚动轴承故障的识别。与文献中已有方法相比，EMD WP可以提高电机振信号非 平稳特征参数的提取精度，能更好地解决实际问题，具有一定的实用价值。 关键词：希