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