郑 旭，郝志勇，卢兆刚，杨 骥

(浙江大学 能源工程学系，杭州 310027)

内燃机机体不仅是内燃机最主要的振动噪声源之一，而且机体振动强弱也是评价内燃机振动级的主要指标。因此，准确地确定内燃机机体振动源对降低内燃机振动噪声水平有着重要的意义。然而内燃机机体的振动信号是极为复杂的非稳态时变信号，其中由活塞敲击等引起的机械激励与缸内燃烧爆发引起的燃烧激励在曲轴转角上出现的位置极为接近，且为相关成分，因此，传统的时域或者频域分析方法都很难有效将这两种相互叠加的成分分离，这对内燃机机体振动源诊断的准确性产生了极大的影响。

Huang等［1］提出的经验模态分解(Empirical Mode Decomposition，EMD)是一种将非平稳信号进行平稳化处理的方法，将信号中不同尺度的波动或趋势等级逐级分解开来，产生具有不同物理意义的本征模态函数(Intrinsic Mode Function，IMF)。EMD 不受 Heisenberg测不准原理约束，是一种自适应的时域信号分解方法。

然而EMD还存在着许多缺陷，其中最为严重的就有模态混叠问题，主要是由信号中的间歇性成分导致EMD的二阶滤波网络特性折中所造成的，表现为不同的物理过程表现在一个IMF分量中，或者出现虚假的IMF分量，严重影响EMD分解的准确性［2］。

Gledhill［3］和 Flandrin 等［4］发现，在信号中加入白噪声信号，能够使该信号的EMD分解始终保持二阶滤波网络的特性，不会出现因间断点而引起的折中情况。因此，Wu等［5］将噪声辅助信号分析法(Noise-Assisted Data Analysis，NADA)引入了EMD理论中，提出了集总平均经验模态……