论文部分内容阅读
本文利用具体的非平稳齿轮箱振动信号,分别应用总体平均经验模态分解方法(ensemble empirical mode decomposition,EEMD)和经验模态分解方法(empirical modedecomposition,EMD)进行了模态分解,并计算的出能量熵。物理意义明确且非常直观。当信号受到噪声污染时,EMMD方法的分解效果要好于EMD方法,用EEMD方法分解齿轮箱振动信号模态混叠程度要轻于EMD方法分解所得模态混叠程度。