10.3969/j.issn.2095-2783.2015.08.005
基于筛选参量的 EEMD 方法及其在轴承故障实时诊断中的应用
集成经验模式分解（ensemble empirical mode decomposition，EEMD）能够很好地用于非平稳信号的处理和信号特征频率的提取，但是其运算时耗大，很难用于实时处理。在工程应用中，轴承故障可通过固定特征频率来进行有效识别，利用这一特点，一种基于筛选参量的 EEMD 算法被提出，它改善了通过检验剩余分量为一单调函数或常量的分解停止条件，不仅能快速地获取期望频率成分信号，而且能较好地提高运算速度。通过对比 EEMD 与筛选参量的 EEMD 在分解正弦信号以及提取轴承故障频率时的效果和时间，验证了基于筛选参量的 EEMD 在改善 EEMD 高时耗上的有效性。
信息处理、实时处理、EMD、轴承故障、筛选参量
TN7(基本电子电路)
高等学校博士学科点专项科研基金资助项目20120143110017
2015-07-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
891-895
