郑近德，　潘海洋，　张　俊，　程军圣

(1.安徽工业大学机械工程学院　马鞍山，243032) (2.湖南大学汽车车身先进设计制造国家重点实验室　长沙，410082)



APEEMD及其在转子碰摩故障诊断中的应用*

郑近德1，潘海洋1，张俊1，程军圣2

(1.安徽工业大学机械工程学院马鞍山，243032) (2.湖南大学汽车车身先进设计制造国家重点实验室长沙，410082)

摘要总体平均经验模态分解(ensemble empirical mode decomposition, 简称EEMD)是抑制经验模态分解(empirical mode decomposition, 简称EMD)模态混叠的有效方法，针对EEMD分解效果依赖于添加噪声的大小、筛分次数和总体平均次数等参数的选择及噪声残留大、分解不完备等问题，提出了自适应部分集成经验模态分解。该方法通过成对地向目标信号加入自适应噪声，并对每个内禀模态函数(intrinsic mode function,简称IMF)自动选择筛选次数，通过排列熵检测筛分出高频IMF，再对剩余信号进行EMD分解。将提出的方法应用于仿真和转子碰摩故障试验数据分析，结果表明提出的方法能够有效地应用于转子碰摩故障诊断，而且在分量的精确性、完备性和模态混叠的抑制等方面优于EEMD方法。

关键词经验模态分解； 总体平均经验模态分解； 模态混叠； 转子碰摩； 故障诊断

引言

文献[1-3]指出，EMD是Huang等提出的一种自适应的信号处理方法。该方法基于信号本身特性自适应地选择基函数，将一个多分量信号分解为若干个内禀模态函数(intrinsic mode function,简称IMF)之和。EMD自提出后已被成功地应用于机械故障诊断领域[4-8]。然而，该方法有一个严重的缺陷，即当信号的极值点分布不均匀时分解会出现模态混叠[9]。……