改進(jìn)的EEMD分析方法及其在故障診斷中的應(yīng)用.pdf

1、隨著設(shè)備復(fù)雜程度日益提高，研究設(shè)備的狀態(tài)監(jiān)測和故障診斷方法具有重要意義。本文以集合經(jīng)驗?zāi)B(tài)分解的改進(jìn)和應(yīng)用為研究內(nèi)容，提出了基于改進(jìn)的集合經(jīng)驗?zāi)B(tài)分解、譜峭度理論和能量算子解調(diào)分析的故障診斷方法。
　　本文首先研究了經(jīng)驗?zāi)B(tài)分解和集合經(jīng)驗?zāi)B(tài)分解的分解原理及特性。集合經(jīng)驗?zāi)B(tài)分解是一種基底自適應(yīng)的信號分解方法，在分解原理上較傳統(tǒng)的時域、頻域分析方法具有更好的濾波特性和自適應(yīng)性。但在實際應(yīng)用中，由于工況下的強噪聲及故障信號的特殊性，

2、集合經(jīng)驗?zāi)B(tài)分解出現(xiàn)了很多缺陷，諸如模態(tài)混疊、端點效應(yīng)等，模態(tài)分解理論提出時間較短，需要更進(jìn)一步的完善和發(fā)展。
　　針對集合經(jīng)驗?zāi)B(tài)分解模態(tài)混疊、端點效應(yīng)、停止準(zhǔn)則等缺陷進(jìn)行改進(jìn)研究。研究了基于高頻諧波輔助的模態(tài)混疊缺陷改進(jìn)方法，并給出了幅值系數(shù)和高頻參數(shù)的確定方法。提出了基于BP神經(jīng)網(wǎng)絡(luò)誤差補償?shù)亩它c效應(yīng)改進(jìn)方法，對邊緣數(shù)據(jù)進(jìn)行預(yù)測，并且對預(yù)測數(shù)據(jù)進(jìn)行誤差補償，從而保證了有效數(shù)據(jù)的完整性，抑制了端點效應(yīng)。研究了基于互相關(guān)系數(shù)的迭

3、代停止準(zhǔn)則，有效地降低了計算時間，并且減少了冗余分量的產(chǎn)生。最后，通過試驗仿真信號驗證了這些改進(jìn)方法的有效性。
　　提出了強噪聲背景下基于改進(jìn)EEMD、譜峭度理論和能量算子解調(diào)的故障診斷方法，針對滾動軸承微弱故障特征進(jìn)行了應(yīng)用研究。對于能量極弱的微弱故障信號使用對沖擊信號敏感的峭度指標(biāo)進(jìn)行信號篩選，為避免噪聲信號對峭度值的影響，在篩選過程中結(jié)合了自相關(guān)分析。為了得到準(zhǔn)確的故障信號，在構(gòu)造帶通濾波器過程中使用快速譜峭度圖設(shè)置濾波器最