极点对称模态分解(ESMD)方法是一种最新的数据分析方法,是希尔伯特-黄(Hilbert-Huang)变换的新发展,这种方法弥补了原有算法筛选次数难以确定、分解的趋势函数太过粗糙等固有缺陷,不但能直观地体现模态振幅与频率的时变性,还可以明确反映总能量的变化,所给出的时间-频率分布图也更直观合理,更是在时频变化的分析上有着独特的优势。但是存在的问题也还有很多,例如有关模态变化的问题,ESMD方法处理所得的模态具备什么样的特性,用估计的平均频率和振幅来估算模态的变化是否合理等,本课题将针对这些问题利用大量的实际数据进行了深入的分析研究。主要的研究结果总结如下:(1)对基于ESMD方法所得的模态进行大量统计研究之后发现,在数据量合适的情况下其模态频率和振幅的统计正态分布比较明显,从统计学角度来说,其统计样本的偏度分析和偏态分析也证明了其样本统计分布可以当作正态分布曲线来处理;(2)从方差分析角度来讲,随着方差的改变曲线的变化趋势也符合正态分布的特性;(3)经计算,平均频率和振幅的估算值其误差在可以允许的范围之内,所以可以用极值点的个数来估计模态的平均频率和振幅,在数学上也就可以用估计的平均频率和振幅来估算模态的变化。由此也可见,ESMD方法分解所得的模态是比较可观的,在数据的分析方面这种方法还是比较可行的。另外,不同的数据或者是改变数据量这些结论是否仍然合理,筛选次数的变化又会产生什么不同的影响等等这些都将是我们值得进一步探讨的问题。