基于迭代的集总经验模式分解算法的齿轮箱故障特征提取
姜军生
林近山
1.潍坊学院机电工程学院,中国潍坊,2610612.潍坊学院机电工程学院,中国潍坊,261061
摘要：针对集总经验模式分解方法(Ensemble Empirical Mode Decomposition,EEMD)在实际应用中存在的盲目添加白噪声的问题,提出了一种迭代的集总经验模式分解方法(Iterative Ensemble Empirical Mode Decomposition,IEEMD).首先介绍了IEEMD方法,然后将EEMD方法与IEEMD方法用于实际齿轮箱故障信号的特征提取.结果表明,与EEMD方法相比,IEEMD方法可以得到更高分辨率的HHT时频谱图,可以从信号中提取更多的有用信息.说明IEEMD方法较好地克服了EEMD方法中存在的盲目添加白噪声的问题,适合于作为齿轮箱故障信号的特征提取方法.
关键词：集总经验模式分解迭代的集总经验模式分解齿轮箱特征提取
资助基金：潍坊学院青年科研基金(2011Z14)
论文发表日期：2011-01-01
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：4( 73-75,79 )
英文信息