经验模式分解(EMD)方法是一种新的非平稳信号的分析工具,可以根据信号自身的时间特征尺度进行自适应分解,得到若干个基本模式分量(IMF).该文首先介绍了基于EMD时频分析方法的基本原理和算法,通过对非平稳仿真信号的EMD时频分析表明基于EMD的时频分析方法非常适合于机电设备非平稳故障信号的分析.总结了影响EMD算法精度的局部均值的求解、端点效应、信号分解的停止准则和筛选过程的停止准则等若干关键问题及规律;通过仿真试验研究了采样频率和EMD分解误差的关系,指出为了减小EMD分解的误差,在采样时应尽可能获取信号的所有极值点;对两个不同频率和不同幅值的正弦叠加信号的EMD分解表明,分解误差随着组成信号各分量的幅值比和频率比的增加而逐渐减小.将基于EMD的时频分析应用于机电设备故障诊断领域:通过对转子故障振动信号分析,EMD时频谱中的能量分布规律清晰地反映了转子的不对中故障特征;通过对机械松动故障振动信号的EMD分解,找到了反映由松动引起振动的摩擦、冲击故障等非平稳因素的IMF,准确地刻画了振动信号中所蕴含的松动故障信息.作为监测诊断领域的一个研究分支,该文研究了监测诊断系统中的远程监测技术.该文应用LabVIEW平台开发了"基于网络的设备远程监测系统",系统地论述了Datasocket数据远程传输及MIMOSA数据库的构建和访问等关键技术及实现方法,该系统目前已经顺利通过了国家"十五"科技攻关项目的终期验收,评价为具有国内领先水平.