-
题名辛几何模态分解方法及其分解能力研究
被引量：12
- 1
-
-
作者
程正阳
王荣吉
潘海洋
-
机构
中南林业科技大学机电工程学院
湖南大学机械与运载工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第13期27-35,共9页
-
基金
国家重点研发计划项目(2016YFF0203400)
国家自然科学基金(51575168,51875183)。
-
文摘
针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法--辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)方法,该方法采用辛矩阵相似变换求解Hamilton矩阵的特征值,并利用其对应的特征向量重构辛几何分量(Symplectic Geometry Component,SGC),从而对复杂信号去噪的同时进行自适应分解,得到若干个SGC。通过仿真信号模型,研究了SGMD方法的分解性能、噪声鲁棒性,分析了分量信号的频率比、幅值比和初相位差对SGMD方法分解能力的影响。将SGMD方法应用于齿轮故障实验数据分析,结果表明SGMD方法能够有效地对待分解信号完成分解并剔除噪声信号。
-
关键词
辛几何模态分解(SGMD)
辛矩阵相似变换
辛几何分量(SGC)
分解能力
-
Keywords
symplectic geometry mode decomposition(SGMD)
symplectic matrix similarity transformation
symplectic geometry component(SGC)
decomposition ability
-
分类号
TH113
[机械工程—机械设计及理论]
-
