基于CEEMDAN能量熵的故障特征提取方法

作者：顾程; 董强; 黄科; 邢伟; 陈强

来源：科学技术与工程, 2022, 22(35): 15624-15630.

• CEEMDAN
• 振动信号
• 能量熵
• 特征提取

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 empirical 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(ensemble 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CEEMDAN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。

• 单位
  北京特种工程设计研究院