基于SVDSGWT和IMF能量熵增量的液压故障特征提取

《基于SVDSGWT和IMF能量熵增量的液压故障特征提取》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第3期机械设计与制造2015年3月MachineryDesign&Manufacture5l基于SVD—SGWT和IMF能量熵增量的液压故障特征提取柴凯，张梅军，黄杰，赵晶(解放军理工大学野战工程学院，江苏南京210007)摘要：针对随机噪声和虚假分量影响总体平均经验模态分解(EEMD)分解质量问题，提出基于奇异值分解(SVD)和第二代小波变换(SGWT)联合降噪预处理和本征模态分量(IMF)能量熵增量剔除虚假分量的改进EEMD方法。该方法首先对原始信号进行第二代小波变换，利用SVD对SGWT得到的高频系数进行降噪处理，克服了软、硬阂值法降噪的缺陷。然后对消噪处

2、理的信号进行EEMD分解，通过IMF能量熵增量去除虚假分量；最后对主IMF分量进行Hilbe~谱分析来提取信号的主要特征。仿真和实验结果表明，SVD和SGWT联合降噪故障信号信噪比显著提高，且失真度小，抑制了噪声对EEMD分解精度的干扰，能量熵增量能有效地去除虚假IMF，Hilbea谱中各频率成分清晰不混叠，成功提取了液压系统故障特征频率。关键词：奇异值分解；第二代小波变换；总体平均经验模态分解；固有模态函数；能量熵增量；故障特征提取中图分类号：TH16；TN911．7；TH165．3文献标识码：A文章编号：1001—3997(2015)03—0051—04Hy

3、draulicSystemFaultFeatureExtractionBasedonSVD——SGWTandIMFEnergyEntropyIncrementCHAIKai，ZHANGMei-jun，HUANGJie，ZHAOJing(CollegeofFieldEngineering，PLAUniv．ofSci．＆Tech．，JiangsuNaming210007，China)Abstract：Fortheproblemthatrandomnoiseandfalseintrinsicmodefunction(IMF)declinethequalityofEEM

4、Ddecomposition，animprovedensembleempiricalmodedecomposition(EEMD)methodispresentedbasedonsingularvaluedecomposition(SVD)andsecondgenerationwavelettransform(SGWT)tode—noisingpre-processingandEEMDenergyentropyincrementtoremovethefalseIMFs．Fin@，theoriginal5isprocessedbySGWT．SVDisapplied

5、tode-noisethehighfrequencycoefficients，whichovercomesthedefectofsandhardthresholdmethod．Secondly，de—noisedsignalisdecomposedthroughEEMDandIMFisusedtoremovethefalsecomponent．Finally，themainIMFsareanalyzedbytheHi／bertspectrum．SimulationandexperimentalresultshowthattheSVD——SGWTde——nosin

6、gcannotonlysignifcantlyincreasesignaltonoiseratioandhavelessdistortionbutalsodepressthenoiseimpactoftheaccuracyofEEMD．EnergyentropyincrementcarteffectivelyremovethefalseIMFs．TheeachfrequencyofHilbertspectrumclearandthemethodproposedefectivelyextractsthefanltsfeaturefrequencyofhydraul

7、icsystem．KeyWords：SingularValueDecomposition；SecondGenerationWaveletTransform；EnsembleEmpiricalModeDeco-mposition；FalseIntrinsicModeFunction；EnergyEntropyIncrement；FaultFeatureExtraction1引言换基函数和分解层数难以确定；很难提取出故障特征。EEMD是液压系统发生异常或者故障时，其振动信号表现为非线性、一种结合噪声辅助分析对EMD的改进方法，利用加入的高斯白非平稳特征，而且故障特征

8、常常淹没在强大的背景噪声