基于集合经验模态分解和模糊集的异质信号融合方法研究

作者：宋轲; 杜世昌; 奚立峰; 任斐; 梁鑫光

来源：机械设计与研究, 2017, 33(06): 15-20.

DOI：10.13952/j.cnki.jofmdr.2017.0232

• 集合经验模态分解(EEMD)
• 模糊集
• 异质信号融合
• 声发射信号
• 振动信号

不同性质的信号(如振动信号、声发射信号等)比单一信号能提供更为丰富的机械系统故障信息。提出了基于集合经验模态分解和模糊集的异质信号融合方法。首先采用集合经验模态分解方法,将每种信号分别分解得到本征模函数,然后提取每个本征模函数的特征,构造模糊集决策矩阵。将决策矩阵的数值转化为模糊集形式,并构造模糊集矩阵,通过计算未知目标与已知决策模糊集的相似度量,判断目标类型。通过铣床切削过程中振动信号与声发射信号的特征信息提取与融合,验证了该方法用于故障诊断的可行性与有效性。研究工作对于异质传感器信号融合和工程故障诊断具有理论和应用价值。

• 单位
  上海航天设备制造总厂; 上海交通大学