-
题名一种自适应的机械振动信号变分模态分析方法
- 1
-
-
作者
黎会鹏
徐波
黄璞
-
机构
黄冈师范学院物理与电信学院
武汉科技大学信息科学与工程学院
-
出处
《电子测量技术》
北大核心
2025年第8期116-125,共10页
-
基金
国家自然科学基金(51975433)、湖北省教育厅科学基金(B2022203)项目资助。
-
文摘
针对变分模态分解算法在处理多分量、非平稳机械振动信号时,性能受模态数量、二次惩罚参数及更新步长等关键因素严重影响的问题,提出了一种基于二叉树机制的自适应变分模态分解算法。以待分解信号的加权精细多尺度反向散布熵作为二次惩罚参数设定的依据,通过信号噪声程度调节算法更新步长,借助二分法机制持续将原始信号进行分解。不断优化二次惩罚参数与更新步长,将所得到分量之间的最小二乘互信息和重构误差构成作为分解完成评价指标,并对特征相似度较高的模态进行合并。算法综合考虑了模态提取性能所受内嵌参数的共同影响。通过仿真数据及实测机械振动信号验证,所提算法复杂度低,可有效缓解频带相近模态之间的混叠问题,完全自适应地提取振动信号特征模态。
-
关键词
振动信号
变分模态分解
二叉树机制
最小二乘互信息
加权精细多尺度反向散布熵
-
Keywords
vibration signal
VMD
binary tree mechanism
the least-squares mutual information
the weighted refined multi-scale inverse dispersion entropy
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名基于自适应CEEMD的非平稳信号分析方法
被引量：8
- 2
-
-
作者
徐波
黎会鹏
周凤星
严保康
严丹
刘毅
-
机构
武汉科技大学信息科学与工程学院
黄冈师范学院物理与电信学院
华中科技大学机械科学与工程学院
-
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2020年第1期54-61,203,共9页
-
基金
国家自然科学基金资助项目(51975433)
湖北省自然科学基金资助项目(2019CFB133)
-
文摘
由于标准的互补集总经验模态分解(complementary ensemble empirical mode decomposition,简称CEEMD)在处理模态混叠问题时缺乏自适应性,其本质是分解信号获得的本征模态函数(intrinsic mode function,简称IMF)之间产生了一定的信息耦合现象,使IMF分量不能正确地反映信号的真实成分。因此,提出了在使用CEEMD分解信号的过程中嵌入网格搜索算法(grid search algorithm,简称GSA),以最小二乘互信息(least squares mutual information,简称LSMI)为网格搜索算法的适应度函数,构造一个自适应CEEMD方法。该算法通过自适应地搜索最佳的白噪声幅值,修正信号分解过程中产生的少量的耦合频率成分,确保每个IMF分量之间信息的正交性,以进一步抑制模态混叠问题。最后,通过仿真实验验证了该方法的有效性,并将该方法用于提取滚动轴承微故障的特征频率。实验结果表明,该算法在滚动轴承的微故障特征提取应用中具有更少的迭代数、IMF分量以及相对更小的计算量。
-
关键词
互补集总经验模态分解
模态混叠
最小二乘互信息
网格搜索算法
微故障特征提取
-
Keywords
complementary ensemble empirical mode decomposition(CEEMD)
mode mixing
least squares mutual information(LSMI)
grid search algorithm(GSA)
micro-fault feature extraction
-
分类号
TH113
[机械工程—机械设计及理论]
TH133.3
[机械工程—机械制造及自动化]
-
