【摘要】：自然地，为解决LCD分解过程中的模态混叠问题，最初的考虑是将CEEMD和CEEMDAN方法的思路平行地应用于LCD模态混叠的抑制。基于此，本章提出了一种基于噪声辅助分析的完备总体平均局部特征尺度分解方法。本章通过分析仿真信号将CELCD与CEEMDAN进行了对比，结果表明，CELCD方法在抑制模态混叠、提高分量正交性和精确性等方面都具有一定的优越性。最后，将CELCD应用于转子碰摩的故障诊断，结果表明了CELCD方法的有效性。
自然地，为解决LCD分解过程中的模态混叠问题，最初的考虑是将CEEMD和CEEMDAN方法的思路平行地应用于LCD模态混叠的抑制。然而研究发现，LCD方法对噪声和间歇等信号较为敏感，频率分辨能力更高，这使得添加幅值相近的随机白噪声，LCD分解结果却有较大差异，因此，再进行总体平均处理会出现较多伪分量，这说明并不能机械地照搬CEEMD和CEEMDAN的思路，而且事实上，这两种分解的思路以及EEMD，都无法保证得到的分量满足IMF定义。
研究发现，引起模态混叠的主要原因是噪声和间歇信号，在分解出添加的白噪声和原始信号中引起模态混叠的间歇信号后，信号极值点分布较为均匀，无需再通过总体平均的方式得到剩余IMF分量。基于此，本章提出了一种基于噪声辅助分析的完备总体平均局部特征尺度分解（complete ensemble local characteristic-scale decomposition，CELCD）方法。CELCD得到的高频分量（排列熵大于阈值）的方式与CEEMDAN是相同的，但不同点在于，CELCD在检测出引起模态混叠的异常事件之后直接进行完整LCD分解。CELCD保证了尽可能多的分量，尤其是低频分量满足内禀尺度分量（ISC）的定义，提高了分量正交性和精确性，同时也保证了分解完备性。本章通过分析仿真信号将CELCD与CEEMDAN进行了对比，结果表明，CELCD方法在抑制模态混叠、提高分量正交性和精确性等方面都具有一定的优越性。最后，将CELCD应用于转子碰摩的故障诊断，结果表明了CELCD方法的有效性。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
