文档介绍：VMD微弱故障信号特征提取方法时培明，袁丹真，苏苏冠华，马晓杰引言晓，·Multistable近年来，随着旋转机械在运输和工业生产中起着越来越重要的作用，机械故障和损坏，特别是滚动轴承和齿轮故障，已成为巨大灾难和财产损失的重要原因。因此，建立精确的健康监测和故障诊断系统，准确提取旋转机械中早期故障的特征信号，是目2014DragomiretskiyJ提出一种自适应信号处理新方法一变分模态分解取分解分量的过程中通过迭代搜寻变分模型最优解394嗌酱笱Ш颖笔〔馐约屏考际跫耙瞧髦氐闶笛槭遥颖鼻鼗实VMDdecompositionVMD)20187计量学报摘要：针对强噪声背景下旋转机械早期故障诊断的难题，提出一种基于变分模态分解与变尺度多稳随机共振的微弱故障信号特征提取方法。首先应用参数优化的变分模态分解decompositionVMD)微弱故障信号进行分解，得到若干本征模态分量，；然后通过峭度准则筛选出其中峭度最大的至浚蛔詈蠖愿肐分量进行变尺度多稳随机共振，实现微弱故障信号的增强。实例表明：在强噪现旋转机械故障状态的准确判断。关键词：计量学；故障诊断；旋转机械；多稳随机共振；变分模态分解；特征提取中图分类号：籘A文章编号：—，琀琣，doi103969jissn10001，，DanzhenGuanhua，20174)7-282017-0915(51475407)(A2016002018)作者简介：时培明，男，黑龙江延寿人，燕山大学教授，博士，主要研究方向为信号处理及故障诊断。甧．TechnolInstrumentProvinceYanshan：琣proposedThe琭enhancedwhichdetectedThe，瑃rescalingwordsmetrologyfaultdiagnosisrotating籱—籿籪**********systemcanstate
——宋迨可厂一n+l：钏吐【饥㈤：U(x)=}4+2面活一⋯a(6(t)+J)ut(c)ejpsin(2+)I∞+l+[Au](2mAn∥肺濉丁弧啤VMDlIS2MAn<s{}k来确定每个分量的频率中心及带宽，从而能够自适应地实现信号的频域剖分及各分量的有效分离，然VMD-随机共振理论最初在年由染提出，用于解释地球冷暖气候的周期变化现象。将随机共振用于微弱信号检测时，强噪声不但不会削弱信号，在一定条件下反而将能量大幅度地向小周期信号转移，使得输出信噪比提高。随机共振的特有"jTanJ变尺度频移随机共振进行了研究，为应用随机共振技术处理大参数信号提供了方法；J态的随机共振进行了对比，证明多稳系统模型在增强输出信噪比与提升微弱信号处理能力方面具有更鉴于在实际环境中检测的信号存在着多种频率成分，尤其是在强噪声影响下，有用信号提取十分困VMD结合的特征提取方法，对实例进行分析，提取淹没在噪声中的信号频率，并与理论值比较，实验结果验证了该方法的有效性与可行性。VMD(intrinsic，时将信号分解过程转移到变分框架内，通过搜寻约束变分模型最优解实现信号自适应IMF变分模型过程中不断更新，最终可根据实际信号的频域特性完成信号频带的自适应剖分，得到若干窄IMFkIMF量，则对应的约束变分模型表达式为：式中：。唬雧代表分解的鯥分{60}-{0}k为求取上述约束变分问题的最优解，引入如式式中：3头２问籄为乘子。