文献类型：期刊文章

作　　者：徐波[1,2] 黎会鹏[1,2] 周凤星[1] 严保康[1] 严丹[2] 刘毅[2,3]

XU Bo;LI Huipeng;ZHOU Fengxing;YAN Baokang;YAN Dan;LIU Yi(School of Information Science and Engineering,Wuhan University of Science and Technology Wuhan,430081,China;School of Physics and Telecommunications,Huanggang Normal University Huanggang,438000,China;School of Mechanical Science and Engineering,Huazhong University of Science and Technology Wuhan,430074,China)

机构地区：[1]武汉科技大学信息科学与工程学院,武汉430081 [2]黄冈师范学院物理与电信学院,黄冈438000 [3]华中科技大学机械科学与工程学院,武汉430074

出　　处：《振动．测试与诊断》

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)

年　　份：2020

卷　　号：40

期　　号：1

起止页码：54-61

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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  

分 类 号：TH113] TH133.3