典型文献
基于CEEMDAN能量熵的故障特征提取方法
文献摘要：
作为武器装备的重要组成部分,复杂机械设备发生故障会严重影响其性能,如何从中将故障特征有效提取出来尤为重要.针对复杂机械设备振动信号非平稳非线性的特点,提出利用自适应噪声完全集合经验模态分解(complete ensemble em-pirical mode decomposition with adaptive noise,CEEMDAN)结合能量熵的方法提取信号故障特征,并以某型装备柴油机为例进行验证.通过构建多分量调制信号,分析比较了经验模态分解(empirical mode decomposition,EMD)、集合经验模态分解(en-semble EMD,EEMD)、完全集合经验模态分解(complete EEMD,CEEMD)以及CEEMDAN 4种算法的分解效果.利用CEEM-DAN对振动信号进行分解,提取相关性较大的本征模态分量(intrinsic mode function,IMF)分量的能量熵作为特征向量,输入到支持向量机中进行模式分类.研究表明,CEEMDAN能够一定程度上抑制模态混叠问题,对于不同类型的故障能够有效的识别.
文献关键词：
CEEMDAN;振动信号;能量熵;特征提取
中图分类号：
作者姓名：
顾程;董强;黄科;邢伟;陈强
作者机构：
北京特种工程设计研究院,北京100028
文献出处：
引用格式：
[1]顾程;董强;黄科;邢伟;陈强-.基于CEEMDAN能量熵的故障特征提取方法)[J].科学技术与工程,2022(35):15624-15630
A类：
B类：
CEEMDAN,能量熵,故障特征提取,武器装备,机械设备,有效提取,振动信号,非平稳,自适应噪声完全集合经验模态分解,complete,ensemble,mode,decomposition,adaptive,noise,结合能,取信,柴油机,多分量,调制信号,empirical,本征模态分量,intrinsic,function,IMF,特征向量,模式分类,模态混叠
AB值：
0.262646
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
