为解决轧机扭振非平稳瞬态冲击信号瞬态特征量提取的难题,采用EMD（Empirical mode decomposition）方法提取信号的固有模态函数（IMF）,再结合Hilbert变换建立单频振动瞬态信号瞬时频率提取模型,得到信号的Hilbert/Huang时频谱,进而得到Hilbert边际谱,从而提取扭振信号瞬态特征。该算法既避免了小波分解中的频率混叠,又具有时间尺度自适应调整的特点,克服了小波变换中小波基选取的难题。通过仿真实验验证了该方法的可行性,通过轧机在咬钢抛钢时实测瞬态信号的分析表明了该方法的可靠性。

应用EM D分解和提升小波分解原理,提出了一种对信号进行降噪的方法,该方法首先对含噪声信号先进行EMD分解,并对低频信号进行重构,然后再对重构信号进行提升小波分解后的信号进行降噪,最后对降噪后信号进行功率谱分析,得出带特征频率的功率谱图,该方法具有很好的去噪作用.

应用EMD分解和提升小波分解原理,提出了-种对信号进行降噪的方法,该方法首先对含噪声信号进行EMD分解,并对低频信号进行重构,然后再对重构信号进行提升小波分解后的信号降噪,最后对降噪后信号进行功率谱分析,得出带特征频率的功率谱图,该方法具有很好的去噪作用.

轴承局部损伤故障引起的振动响应往往会被较大的振动信号所掩盖影响故障的正确诊断。本文提出IMF分量的倒频谱分析方法首先将复杂的信号分解为有限的内禀模态函数（IMF）之和对原始振动信号进行降维;再对IMF分量进行倒频谱分析利用倒频谱方法准确地提取振动信号幅值谱上的周期特征。对EMD分解得到的多个IMF分量同时做倒频谱分析可以相互验证从而得到更可靠、更准确、更可信的诊断结果。通过对IMF分量的倒频谱分析法和Hilbert包络谱分析法诊断效果进行比较结果表明IMF分量的倒频谱分析方法比Hilbert包络谱分析提取的故障频率特征更精准、可靠。