骆东松 裴 阳 黄 涛

（兰州理工大学 兰州 730050）

1 引言

工业生产中旋转机械故障频发，危害巨大。人们在探索旋转机械故障诊断的方法时引入了局部均值分解方法（Local Mean Decomposition，LMD），该方法在2005 年由Jonathan S.Smith 学者提出。LMD 方法非常适合分析非平稳信号，它可以将非平稳信号自适应地分解成一系列乘积函数（Product function，PF）之和的形式，每一个PF 分量由一个包络信号和一个纯调频信号组成，这样的调幅-调频信号不仅可以准确地反应出非平稳信号的时频分布，而且在分析多分量的非平稳信号方面有显著优势。然而，LMD 方法本身存在的一些理论缺陷是值得我们研究完善的，如端点效应的处理方法，迭代终止条件的选择。本文将针对这两个问题提出新的解决思路和方法，以求改善LMD方法。

2 LMD方法

在实际生产中，监测旋转机械所得到的振动信号一般都是包含了丰富的调幅-调频分量的多成分信号，LMD 可以将这样的复杂信号分解成单分量的调幅-调频信号，在故障分析时这种信号更容易分析。所以LMD 方法被广泛地应用于旋转机械故障分析领域，其分解步骤本文不再赘述。LMD 的分解过程是一个自适应的分解过程，这个过程以信号自身的局部极值点作为基础，经过多次循环迭代，求出一个纯调频信号，然后在此基础上迭代出一个PF 分量。将这样的过程往复循环，最终得到一个单调函数uk（t），分解过程就此结束，即:

3 端点效应改进方法

LMD 方法分解信号的基础是信号的极值点，依靠极值点构建局部均值函数和包络估计函数。……