重采样参数优化CEEMD行星齿轮箱故障诊断方法

摘要

针对互补集合经验模态分解（CEEMD）中添加噪声幅值与总体平均次数参数的选取依赖个人经验、传统经验模式分解（EMD）产生模态混叠及总体平均经验模式分解（EEMD）计算量太大的问题，提出一种自适应重采样参数优化CEEMD分解方法．该方法将原始信号利用三次样条插值重采样增加采样频率，添加成对正负白噪声，噪声幅值定为0.01 SD，总体平均次数定为2；通过CEEMD分解后分量与原始信号最大相关系数的变化确定最佳重采样频率；最佳重采样频率选取后，分解效果明显提升．通过仿真及试验信号验证，该方法显著提升了CEEMD的分解性能，应用于行星齿轮局部故障分析，结果表明能够进行准确特征提取．

关键词

互补集合经验模态分解 / 重采样频率 / 参数优化 / 行星齿轮箱