改进集成噪声重构经验模式分解的微弱时频特征增强方法及应用
来源：机械工程学报杂志2016年第19期北京时间：
作者：袁静, 訾艳阳, 倪修华, 李文杰, 周郁
单位：1. 上海无线电设备研究所 上海 200090；2. 西安交通大学机械制造系统工程国家重点实验室 西安 710049
摘要：基于噪声利用机制，集成噪声重构经验模式分解方法(Ensemble noise-reconstructed empirical mode decomposition， ENEMD)利用原信号中固有噪声分量改善模式混淆现象，并通过固有噪声分量的相互抵消作用实现信号降噪。然而，该方法中关键噪声估计技术采用类硬阈值处理方式，忽略系数之间相关性。为此，研究基于相邻系数降噪原理的ENEMD噪声估计技术，提高固有噪声分量估计的准确性。在此基础上，将改进ENEMD方法引入Hilbert-Huang变换中，提出改进ENEMD的微弱时频特征增强方法。该方法以无模式混淆的本征模式分量(Intrinsic mode function， IMF)准确表征微弱故障信号的瞬时频率，并以降噪IMF有效提高时频谱信噪比，消除时频谱中噪声杂点，显著提高信号时频表示的分辨率，增强微弱故障的时频表征并突显局部故障征兆，为机械早期和微弱故障识别提供有效手段。工程实例表明该方法有效揭示空气分离压缩机碰撞与摩擦故障征兆，并成功提取重油催化裂化机组早期微弱碰摩故障特征。
关键词：Hilbert-Huang变换,故障诊断,微弱特征增强,集成噪声重构经验模式分解；
基金资助：* 国家自然科学基金(51405301)和上海市青年科技启明星计划(16QB1403700)资助项目; 20151102收到初稿，20160431收到修改稿;
