论文部分内容阅读
在旋转机械的故障诊断中,希尔伯特-黄变换(HHT)方法常用于提取故障特征信号以及分解结果的时频分析,然而,在HHT中会出现端点效应问题,且导致模态混叠和虚假本征模态函数(IMF)等一系列问题。针对这一问题,提出了利用广义回归神经网络(GRNN)和边界局部特征尺度延拓(BLCC)相结合的方法先对信号延拓,再进行经验模式分解(EMD)。通过仿真与故障实验,在时域、频域和希尔伯特-黄谱的相关参数的情况下,对比镜像延拓优化的HHT分解结果,验证了所提方法的有效性。实验结果表明:所述方法能够有效地抑制HHT中的端点