采样频率对聚合经验模态分解的影响研究

中国机械工程

采样频率对聚合经验模态分解的影响研究

陈换过1;陈培1;陈文华1;蔡丽1;沈建洋1;吴建伟1;吴明建1,2

1.浙江省机电产品可靠性技术研究重点实验室,杭州,310018
2.杭州前进齿轮箱集团股份有限公司,杭州,311203

出版日期:2016-09-25 发布日期:2016-09-22
基金资助:
国家自然科学基金资助项目(51475432)；浙江省国际科技合作专项计划资助项目(2013C24005)；国家国际科技合作专项(2015DFA71400)

Study on Effects of Sampling Frequency on Performance of EEMD

Chen Huanguo1;Chen Pei1;Chen Wenhua1;Cai Li1;Shen Jianyang1;Wu Jianwei1;Wu Mingjian1,2

1.Zhejiang Province's Key Laboratory of Reliability Technology for Mechanical and Electrical Product,HangZhou,310018
2.Hangzhou Advance Gearbox Group Co. Ltd.,HangZhou,311203

Online:2016-09-25 Published:2016-09-22
Supported by:

摘要/Abstract

摘要： 根据聚合经验模态分解的特点对能量泄漏指数进行了修订,从非对准误差、能量泄漏、分解结果的正交性和相关性方面分析了采样频率对聚合经验模态的影响,分析结果显示离散化采样引起的非对准误差随采样频率的提高逐渐减小,而能量泄漏以及分解结果之间的正交性和相关性随采样频率改变近似呈周期性变化。并根据分析结果给出了聚合经验模态中采样频率的选取原则。算例结果表明,综合考虑上述各影响因素后,聚合经验模态较为理想的采样频率范围是信号最高频率的10.3~11倍。

关键词: 聚合经验模态分解, 采样频率, 能量泄漏, 旋转机械

Abstract: This paper revised the definition of residual energy according to the characteristics of EEMD firstly, and then investigated the effects of sampling frequency on the EEMD by analyzing the misalignment errors, residual energy, successive and orthogonality of intrinsic mode functions(IMFs). The analysis results show that the value of misalignment errors decreases with the raise of sampling frequency while the other three parameters periodic change approximately. Based on this rule, a selection principle of sampling frequency was obtained. Simulation example shows that the sampling frequency must be controlled in the range of 10.3 to 11 times of the maximum of the signal frequencies.

Key words: ensemble empirical mode decomposition(EEMD), sampling frequency, residual energy, rotating machinery

中图分类号:

陈换过, 陈培, 陈文华, 蔡丽, 沈建洋, 吴建伟, 吴明建, . 采样频率对聚合经验模态分解的影响研究[J]. 中国机械工程.

Chen Huanguo, Chen Pei, Chen Wenhua, Cai Li, Shen Jianyang, Wu Jianwei, Wu Mingjian, . Study on Effects of Sampling Frequency on Performance of EEMD[J]. China Mechanical Engineering.

[1]	李锋1;程阳洋1,2;陈勇1;汤宝平3. 用于旋转机械状态趋势预测的量子注意力循环编码解码神经网络[J]. 中国机械工程, 2020, 31(21): 2573-2582.
[2]	杨宇;李鑫;潘海洋;程军圣. 基于非线性模式分解的旋转机械复合故障特征提取方法[J]. 中国机械工程, 2018, 29(24): 2947-2953.
[3]	陈宏, 雷文平, 陈磊, 韩捷. 一种转子动态不对中量计算方法[J]. 中国机械工程, 2016, 27(17): 2379-2383.
[4]	时培明, 苏翠娇, 赵娜, 韩东颖. 基于解析模态分解的机械故障诊断方法[J]. 中国机械工程, 2016, 27(05): 674-679.
[5]	罗颂荣, 程军圣, Hunglinh A O. 基于人工化学反应优化的SVM及旋转机械故障诊断[J]. 中国机械工程, 2015, 26(10): 1306-1312.
[6]	孟宗, 闫晓丽, 王亚超. 基于LMD和HMM的旋转机械故障诊断[J]. 中国机械工程, 2014, 25(21): 2942-2946,2951.
[7]	张颖1;刘占生2;苏宪章3. 旋转机械参数图形多尺度多结构元边缘检测[J]. 中国机械工程, 2013, 24(23): 3176-3180.
[8]	时培明;李庚;韩东颖. 基于改进EMD的旋转机械耦合故障诊断方法研究[J]. 中国机械工程, 2013, 24(17): 2367-2372.
[9]	任达千1, 2, 杨世锡1, 吴昭同1, 严拱标1. LMD时频分析方法的端点效应在旋转机械故障诊断中的影响[J]. 中国机械工程, 2012, 23(8): 951-956.
[10]	张玉存, 马睿, 付献斌, 孔涛. 基于拓扑传递的耦合机械故障特征提取方法 [J]. 中国机械工程, 2012, 23(4): 435-438.
[11]	刘爽, 李延树, 刘彬, 李海滨. 旋转机械耦合传动系统参激振动分析与控制[J]. 中国机械工程, 2012, 23(12): 1461-1466.
[12]	张剀, 张小章. 磁轴承不平衡控制技术的研究进展 [J]. 中国机械工程, 2010, 21(8): 897-903.
[13]	侯东晓, 刘彬, 时培明. 旋转机械传动系统连续扭振动力学建模与仿真 [J]. 中国机械工程, 2010, 21(1): 30-34.
[14]	左云波;王西彬;徐小力;. DFAR模型在旋转机械故障预测中的应用[J]. J4, 2009, 20(12): 0-1390.
[15]	仇国庆;唐贤伦;庄陵;杨志龙;. 基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用[J]. J4, 2008, 19(21): 0-2524.