【摘要】：HHT因其分解的自适应性和解调的精确性而在机械故障诊断中得到了广泛的应用。综合EMD，LCD和局域波分解等这类方法的筛分特点，同时依据不同均值曲线定义方式，本书第3章第3节部分提出了一种新的信号分解方法——广义经验模态分解，同时结合归一化正交，与HHT平行地，提出了一种基于GEMD的归一化正交解调方法。
如前所述，振动信号解调分析是机械故障诊断的一个重要方法，希尔伯特-黄变换（HHT）方法首先通过经验模态分解（EMD）对振动信号进行分解，得到若干个相互独立的内禀模态函数（IMF）和一个趋势项之和，再通过希尔伯特变换（HT）对得到的IMF分量进行解调，从而得到机械故障的特征信息。HHT因其分解的自适应性和解调的精确性而在机械故障诊断中得到了广泛的应用。但是，HHT方法也存在很多问题，如EMD有严重的端点效应、模态混叠以及由三次样条拟合引起的过包络和欠包络误差等，HT有严重的端点效应以及会产生无法解释的负频率等。综合EMD，LCD和局域波分解等这类方法的筛分特点，同时依据不同均值曲线定义方式，本书第3章第3节部分提出了一种新的信号分解方法——广义经验模态分解（GEMD），同时结合归一化正交，与HHT平行地，提出了一种基于GEMD的归一化正交解调方法。
由本章第2节知，NQ方法的前提是输入信号是纯调频信号，因此，EAD得到的纯调频信号的精确性直接影响到瞬时幅值和瞬时频率的估计。研究发现，EAD还存在如下问题：
（1）由于EAD采用三次样条拟合信号绝对值的极大值，且需要经过多次迭代来实现标准化，因此，如果端点不做处理或处理不当，那么迭代次数会增加，增大拟合误差，甚至无法实现标准化；(www.xing528.com)
（2）对于某些信号尤其是实际信号，EAD得到的纯调频信号可能存在骑波，且在后续迭代中难以消除。基于此，本节提出了改进的经验调幅调频分解（improved empirical AM-FM decomposition，IEAD）方法。
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。
