經驗模態(tài)分解理論與應用研究.pdf

1、本文對經驗模態(tài)分解(empiricalmodedecomposition，EMD)方法進行了深入的研究。在總結新近有關研究熱點和進展的基礎上，對離散Hilbert變換估計IMF的幅度包絡和瞬時頻率進行了誤差分析。提出了改進的離散Teager能量算子(Teagerenergyoperator，TEO)算法改善了求取幅度包絡和瞬時頻率的精度；提出了基于過零點和極點估計(zero-crossingandextremumestimation，Z

2、CEE)求取幅度包絡和瞬時頻率的算法。討論了EMD時頻幅度譜的離散時頻分辨率。將改進的離散TEO算法和ZCEE方法引入EMD理論，比較了三種算法求取EMD時頻幅度譜和邊際譜的時頻特性。 基于EMD方法的應用，結合EMD方法的自適應濾波特性，對于具有噪聲干擾的調制信號解調問題，提出了基于時延相關以及WVD切片算法降噪預處理的算法。時延相關降噪是對信號自相關函數的無偏估計采用矩形窗截斷得到較長時間差的部分，WVD切片算法是對信號Wi

3、ger-Ville分布求得零頻率處的切片，而后利用EMD方法對其進行自適應濾波得到IMF，最終求得解調結果。不同噪聲強度仿真數據和實驗數據分析表明，該方法比直接解調或僅采用時延相關(對稱自相關)解調能更有效地抑制噪聲，凸現(xiàn)信號調制信息。 共振解調法是診斷滾動軸承故障的重要方法。共振解調法需要預先設計中心頻率為某一元件固有頻率的帶通濾波器對原始信號進行帶通濾波，有時會出現(xiàn)時域相加信號的頻率成分在調制邊頻帶附近不被濾除的情況，從而在

4、解調譜上出現(xiàn)誤診斷或無法分析的頻率成分。因此，本文提出了基于EMD的共振解調法，在帶通濾波后，進一步采用EMD方法自適應濾波提取故障軸承振動信號中的調制信息，最后解析出故障頻率。仿真信號和實驗驗證結果均表明，和僅僅采用帶通濾波器濾波比較，該方法能更加突出故障頻率成分，避免誤診斷。 對于非線性、非穩(wěn)態(tài)、含噪原始信號混合且混合信號數目小于源信號數目的旋轉機械調制故障源信號盲分離問題，本文提出了基于EMD和主成分分析(principl