基于EEMD的旋转机械故障诊断方法研究的中期报告.docxVIP

基于EEMD的旋转机械故障诊断方法研究的中期报告 本研究旨在基于经验模态分解（EEMD）方法，开发一种适用于旋转机械故障诊断的新型方法。在本中期报告中，我们主要完成了以下工作： 1. 确定了研究对象：振动故障信号采集自一台旋转机械。 2. 采集了振动信号数据，并进行了信号预处理：首先，将原始振动信号数据转换为时域信号，并对其进行均值去除以消除系统工作过程中的基线漂移；之后，进行了小波去噪以滤除高频噪声。 3. 进行了EEMD分解：采用MATLAB编程语言实现了EEMD方法，并将其应用于振动信号数据中。通过EEMD分解，得到不同频率和振幅的含时振动模态函数（IMF）。 4. 分析了不同IMF和信号去噪对振动信号频谱的影响：通过对不同IMF进行傅里叶变换，比较不同IMF对振动信号频谱的影响。同时，比较了有和无信号去噪对振动信号频谱的影响。 接下来的研究方向是进一步分析IMF的特征，并将其作为故障特征量进行机械故障的诊断和预测。同时，我们将继续探索和比较不同的信号处理方法，以提高故障诊断的准确性和可靠性。