简介：研究了将经验模式分解(EmpiricalModeDecomposition,EMD)、遗传算法及BP神经网络相结合对柴油机振动信号进行故障诊断的方法。首先运用经验模式分解方法对柴油机缸盖表面振动信号进行分解并提取特征参数;然后利用遗传算法对得到的特征参数进行选择,找到对于故障诊断最为敏感的参数;最后建立了BP神经网络模型对柴油机典型故障进行诊断。通过对某型柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。
简介：经典的经验模式分解（EMD）方法通过求解信号的上下2条三次样条包络曲线的均值曲线，实现对原始信号的分解。但是对于非平稳、非线性信号，包络平均无法代替真正的局部平均。另外，基于包络平均的分解方法还会引入极值过冲和欠冲问题。利用B样条的良好局部性质直接计算信号的局部均值插值曲线，克服了三次样条包络方法在EMD分解中的不足。通过对旋转机械故障振动信号的分解处理，表明基于B样条局部均值插值曲线的经验模式分解方法得到的固有模式函数更符合信号的真实物理意义，分解结果更好。
基于EMD、遗传算法及神经网络的柴油机故障诊断
基于B样条插值曲线直接筛选的EMD及其在机械振动信号处理中的应用
