[发明专利]基于最优参数集合经验模式分解的机械故障特征提取方法

权利要求书

1.基于最优参数集合经验模式分解的机械故障特征提取方法，其特征在于：包括如下步骤：

1）输入信号x(t)，计算加入不同幅值系数的白噪声后信号的极大值序列相邻点幅值差值和间距的标准差的乘积std_max，以及极小值序列相邻点幅值差值和间距的标准差的乘积std_min，获得使std_max取得最小值的白噪声幅值系数k_max，获得使std_min取得最小值的白噪声幅值系数k_min；

2）求k_max和k_min的平均值作为EEMD的参数k,再根据设置的期望分解误差e计算总体平均次数M，完成EEMD参数优化；

3）对故障信号进行EEMD分解，获得一系列固有模式函数IMF分量，完成故障特征提取。

2.根据权利要求1所述的基于最优参数集合经验模式分解的机械故障特征提取方法，其特征在于：所述步骤1）具体包括如下步骤：

11）求出原信号x(t)的标准偏差σ，分别加入N次不同幅值系数的白噪声n'_i(t)，白噪声幅值系数如下式所示：

k(i)=i100σ(i=1~N),]]>

其中，k(i)表示白噪声幅值系数，i表示第i次加入白噪声；

12)计算每次加入白噪声后信号的上极值点序列extr_max(x1,y1)，计算每次加入白噪声后信号的下极值点序列extr_min(x2,y2)，其中，（x1、y1）、（x2、y2）为对应极值点的横、纵坐标；

13)计算extr_max(x1,y1)相邻点的幅值差值标准差和间距标准差之积std_max，计算extr_min(x2,y2)相邻点的幅值差值标准差和间距标准差之积std_min，如下式：

std_max=1N1-1Σi=N1N1-1(|x1i+1-x1i|-u1)×1N1-1Σi=N1N1-1(|y1i+1-y1i|-u1′)]]>

std_min=1N2-1Σi=N2N2-1(|x2i+1-x2i|-u2)×1N2-1Σi=N2N2-1(|y2i+1-y2i|-u2′)]]>

式中,N1为extr_max(x1,y1)的点数，N2为extr_min(x 2,y2)的点数，u₁、u₁′为extr_max(x1,y1)相邻点幅值差值的平均值和间距的平均值，u₂、u′₂为extr_min(x 2,y2)相邻点幅值差值的平均值和间距的平均值，x1_i＋1表示极大值点横坐标，x1_i表示表示极大值点横坐标，y1_i＋1表示极大值点纵坐标，y1_i表示极大值点纵坐标，x2_i＋1表示极小值点横坐标，x2_i表示极小值点横坐标，y2_i＋1表示极小值点纵坐标，y2_i表示极小值点纵坐标。