發(fā)布時(shí)間：2024-06-04 19:42

　　針對(duì)經(jīng)驗(yàn)?zāi)�態(tài)分解(Empirical Mode Decomposition,EMD)、集合經(jīng)驗(yàn)?zāi)�態(tài)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,提出了一種新的分析方法——辛幾何模態(tài)分解(Symplectic Geometry Mode Decomposition,SGMD)方法,該方法采用辛矩陣相似變換求解Hamilton矩陣的特征值,并利用其對(duì)應(yīng)的特征向量重構(gòu)辛幾何分量(Symplectic Geometry Component,SGC),從而對(duì)復(fù)雜信號(hào)去噪的同時(shí)進(jìn)行自適應(yīng)分解,得到若干個(gè)SGC。通過仿真信號(hào)模型,研究了SGMD方法的分解性能、噪聲魯棒性,分析了分量信號(hào)的頻率比、幅值比和初相位差對(duì)SGMD方法分解能力的影響。將SGMD方法應(yīng)用于齒輪故障實(shí)驗(yàn)數(shù)據(jù)分析,結(jié)果表明SGMD方法能夠有效地對(duì)待分解信號(hào)完成分解并剔除噪聲信號(hào)。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1仿真信號(hào)及其分量時(shí)域波形

x(t)是由兩個(gè)分量組成,即調(diào)幅—調(diào)頻變頻分量和余弦分量,圖1為仿真信號(hào)及其分量的時(shí)域波形圖。為了驗(yàn)證SGMD方法的分解效果,分別選取常用的EMD和LCD進(jìn)行對(duì)比。在采用三種方法對(duì)仿真信號(hào)分解之前,預(yù)先消除端點(diǎn)效應(yīng)對(duì)分解結(jié)果的影響,抑制端點(diǎn)效應(yīng)采用GRilling提出的鏡像對(duì)....

圖2EMD分解結(jié)果

首先對(duì)仿真信號(hào)進(jìn)行端點(diǎn)延拓,然后分別采用EMD、LCD和SGMD方法對(duì)延拓后的信號(hào)進(jìn)行分解,可以得到不同的單分量,分解結(jié)果如圖2～圖4所示。圖3LCD分解結(jié)果

圖3LCD分解結(jié)果

圖2EMD分解結(jié)果圖2為EMD的分解結(jié)果,沒有任何余量,EMD作為經(jīng)典的信號(hào)處理方法,采用極值點(diǎn)包絡(luò)的方法擬合出分量信號(hào),僅從時(shí)域圖上觀察,EMD具有良好的分解能力。圖3為LCD的分解結(jié)果,LCD作為一種新興的信號(hào)處理方法,其采用三次樣條插值篩選出分量信號(hào),已被證明具有良好的分....

圖4SGMD分解結(jié)果

圖2為EMD的分解結(jié)果,沒有任何余量,EMD作為經(jīng)典的信號(hào)處理方法,采用極值點(diǎn)包絡(luò)的方法擬合出分量信號(hào),僅從時(shí)域圖上觀察,EMD具有良好的分解能力。圖3為LCD的分解結(jié)果,LCD作為一種新興的信號(hào)處理方法,其采用三次樣條插值篩選出分量信號(hào),已被證明具有良好的分解能力,而圖3得到的....

本文編號(hào)：3989082