振动与冲击

作者：郭泰，邓忠民，徐萌

单位：1 北京航空航天大学 宇航学院，北京 100191；2 中国民航大学 电子信息与自动化学院，天津 300300

关键词：EMD；有理Hermite插值；PSO；轴承；故障特征提取

经验模态分解(Empirical Mode Decomposition, EMD）作为一种数据驱动的自适应信号分解方法，在轴承故障特征提取中有着广泛应用。针对EMD自身存在的模态混叠、端点效应以及三次样条插值带来的过冲/欠冲问题，同时考虑到有理Hermite插值方法具有一个形状控制参数，为选择最优的插值曲线提供了可能，基于此，本文提出了一种基于粒子群优化（Particle Swarm Optimization, PSO）的改进EMD算法，首先，选定频率带宽作为IMF优劣评判准则，并以此作为PSO的评价函数；其次在筛分过程中，从众多不同形状控制参数对应的分解结果中寻找最优IMF从而确定最优形状控制参数；最后，在每阶分解结果中都能保证所得IMF是最优的，从而达到更好的自适应性及更高精度。为验证所提出方法的有效性，采用传统EMD、EEMD与文中算法对仿真信号进行处理、对比，并通过计算相关技术指标进行了验证。最优将其应用于滚动轴承故障特征提取，并与传统EMD算法、EEMD进行对比，包络谱结果显示，改进后的EMD算法具有更好的分解效果，抑制干扰并能提取出更多故障信息。<br>

来源：2017年第16期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2017年第16期