基于變分模態(tài)分解的機車軸承故障診斷.pdf

1、變分模態(tài)分解(variational mode decomposition，VMD)是一種新出現的信號分解算法，本文對比研究了變分模態(tài)分解與常用信號自適應分解算法的性能及其在故障診斷中應用，取得以下成果:
　　研究了經驗模態(tài)分解（empirical mode decomposition，EMD）的算法特點及存在的不足，重點探討了經驗模態(tài)分解中模態(tài)混疊問題。分析了產生模態(tài)混疊的原因，總結了模態(tài)混疊模式。通過仿真信號分析，說明變分模態(tài)

2、分解能有效抑制經驗模態(tài)分解各種模式的模態(tài)混疊。
　　與經驗模態(tài)分解相比，變分模態(tài)分解基于數學框架而非迭代算法，將一個復雜信號同步分解為多個有限帶寬、近似正交的固有模態(tài)函數。通過計算機生成和工程實際信號分析，說明了變分模態(tài)分解在噪聲魯棒性和分解能力等方面優(yōu)于經驗模態(tài)分解和總體平均經驗模態(tài)分解(ensemble empirical mode decomposition，EEMD)。
　　針對變分模態(tài)分解方法中懲罰因子和模態(tài)個數參