关键词：总体包络均值经验模态分解;希尔伯特-黄变换;模态混叠;虚假模态;故障诊断
摘 要：针对希尔伯特-黄变换(Hilbert-Huang Transform, HHT)方法中存在的模态混叠和虚假固有模态函数(Intrinsic Mode Function, IMF)问题,提出一种基于总体包络均值经验模态分解(Ensemble Envelop Mean Empirical Mode Decomposition,EEMEMD)和虚假模态函数剔除算法相结合的改进HHT方法。该方法利用EEMEMD可准确反映加噪后信号的自身变化,一定程度上中和残留在各模态分量间的噪声,获得无模式混淆的较纯净的IMF分量。同时,通过基于归一化能量熵值的虚假模态函数剔除算法可有效剔除噪声干扰成分和迭代误差分量,从而提高信号特征提取的准确性。通过仿真分析和转子不对中故障诊断的工程实例表明,改进HHT方法能够较好地抑制模态混叠问题并有效剔除同故障无相关的虚假IMF,实现对旋转机械故障的有效诊断。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取