简介:提出一种利用改进的B样条经验模态分解(B-splineempiricalmodedecomposition,BS-EMD)识别时变结构瞬时模态参数的方法。针对B~EMD的端点问题,采用基于Levenberg-Marquardt(L-M)算法的BP神经网络对BS-EMD进行改进。进而结合Hilbert变换,将这种改进的B~EMD方法应用于时变结构的参数识别中。仿真算例结果表明,改进的BS-EMD可以有效抑制端点效应问题,利用该方法能够有效地追踪时变结构的瞬时频率。
简介:异步电动机轴承的故障信号为低频带周期冲击性特征故障数据,呈现非线性特征,倘若对此类特征信息直接做傅里叶变换,会被高频信号调制,使得故障信号严重失真。为此,提出一种新的集有小波包变换、经验模式分解和Hilbert包络谱分析相融合的滚动轴承故障诊断方法,旨在消除高频噪声信号,提升故障诊断效果。利用小波包变换对滚动轴承的振动信号进行降噪,使用经验模式分解把降噪后的故障信号分解成多个有效本征模态分量,并对筛选后的故障信号进行重构处理,最后对重构信号做Hilbert包络谱分析,计算得到滚动轴承故障频率。通过实验及分析,结果表明新方法应用效果良好。