基于SVD-SGWT和IMF能量熵增量的液压故障特征提取

简介

针对随机噪声和虚假分量影响总体平均经验模态分解（EEMD）分解质量问题提出基于奇异值分解（SVD）和第二代小波变换（SGWT）联合降噪预处理和本征模态分量（IMF）能量熵增量剔除虚假分量的改进EEMD方法。该方法首先对原始信号进行第二代小波变换利用SVD对SGWT得到的高频系数进行降噪处理克服了软、硬阈值法降噪的缺陷。然后对消噪处理的信号进行EEMD分解通过IMF能量熵增量去除虚假分量;最后对主IMF分量进行Hilbert谱分析来提取信号的主要特征。仿真和实验结果表明SVD和SGWT联合降噪故障信号信噪比显著提高且失真度小抑制了噪声对EEMD分解精度的干扰能量熵增量能有效地去除虚假IMFHilbert谱中各频率成分清晰不混叠成功提取了液压系统故障特征频率。