基于神经网络集成和BS-EMD的端点效应抑制方法技术

本发明专利技术公开了一种基于神经网络集成和BS-EMD的端点效应抑制方法，包括以下步骤：A、利用速度传感器测量获取振动信号；B、采用神经网络集成对所述信号进行左延拓和右延拓；C、利用B样条均值函数得到所述信号的均值曲线；D、进行经验模式分解，抛弃两端数据，得到与原始信号相对应的若干IMF分量；E、分析各IMF分量，提取故障特征。本发明专利技术可以有效抑制端点效应，解决了端点效应对BS-EMD分解结果的影响。

【技术实现步骤摘要】

本专利技术涉及信号处理
，特别涉及一种基于神经网络集成和BS-EMD(B-spline empirical mode decomposition, B样条经验模式分解)的端点效应抑制方法。
技术介绍
大型旋转机械是现代冶金、电力、石油等部门的关键设备。受工作环境、使用寿命等限制，该机械设备中的某些部件容易出现一些故障，从而影响整个设备的正常工作，严重时甚至会导致机毁人亡，造成重大经济损失。在旋转机械出现故障或者发生异常时的振动信号多表现为非线性、非平稳特征，这些非平稳信号往往包含有大量的故障特征信息。因此，旋转机械的故障诊断与监测对避免重大的机械事故，促进经济发展有着重要的意义。目前，国内外学者已经取得了一定的成绩，但是对于旋转机械仍然需要不断进一步的研究和兀吾。EMDCEmpirical Mode Decomposition,经验模态分解)方法是近年来发展起来的一种新的时间序列信号分析方法，该方法把复杂的信号分解为一系列的IMF(Intrinsic ModeFunction，本征模函数)分量之和。由于EMD是自适应的，因此该方法适用于非线性和非平稳信号的分析。但是，专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：孟宗，顾海燕，李姗姗，
申请(专利权)人：燕山大学，
类型：发明
国别省市：