基于EEMD的液压系统故障诊断方法研究

EMD方法是一种非常适合于分析实际非线性、非平稳信号的新的时频分析方法，但它存在严重的端点效应和模态混叠现象，这会导致EMD分解结果的失真，从而影响到EMD方法在实际中的应用。EEMD方法是在EMD的基础上发展起来，它通过在原始信号中混入足够多组零均值白噪声经EMD分解、IMF分量求和来抑制端点效应和模态混叠，被认为是EMD方法改进的一个重要成果。但EEMD的研究刚刚起步，许多方面亟待探索，尤其是EEMD方法只部分抑制了端点效应和模态混叠。本项目在EEMD的基础上，提出利用SVM预测功能对信号序列数据延拓来改进EEMD，达到消除端点效应和解决模态混叠现象；研究改进的EEMD方法对液压系统中堵塞、气穴、卡紧等冲击性短数据故障信号的端点效应和模态混叠，实现EEMD液压系统典型故障诊断；研究利用改进的EEMD方法与SVM相结合实现EEMD方法对小样本液压系统故障短数据测量信号的智能诊断。

针对EEMD（EMD）产生的端点效应、模态混叠、虚假模态分量和"过冲欠冲"等现象导致的分解结果失真问题进行EEMD方法改进，并将其应用于液压系统故障特征提取和智能诊断。研究了EEMD降噪、算法改进、端点延拓及虚假模态分量识别等改进EEMD方法。EEMD降噪主要研究了EEMD阈值降噪、自相关降噪和奇异值差分谱等降噪，研究的降噪方法与原信号相关度达到99.53%。EEMD算法改进主要研究了基于极值中心三次样条插值和基于频率截止的改进方法。前者解决了原EMD分解由于"过冲欠冲"现象导致的分解失真和无法分解的一类问题；后者限制了EEMD分解中低频虚假模态分量，保证了EEMD分解的真实性和完备性。端点延拓主要研究了支持向量机(SVM)的延拓、极值点的SVM延拓和极值波延拓等EEMD端点处理方法。利用SVM数据延拓改进EEMD方法虚假模态分量少，抑制端点效应明显；极值点SVM延拓比数据点延拓大幅减少延拓点数，明显缩短延拓时间；极值波延拓尤其适应于短数据信号的端点延拓。虚假模态分量识别主要研究了时域互相关、频域互相关系数和能量熵增量等EEMD虚假模态分量识别。频域互相关、能量熵增量比时域互相关更能筛选出真实的模态分量。.设计和研制了液压系统故障诊断实验台并测量了液压系统各种典型故障；研究了改进EEMD在信号趋势分析、奇异值检测、故障特征提取等应用；成功提取了液压系统泄漏、堵塞、冲击和气穴等典型故障的频率特征，及不同严重程度泄漏间、堵塞间的特征关系。且改进EEMD方法比EMD和EEMD及小波等其它时频分析方法信号奇异值检测能力更强。.研究了改进EEMD与SVM结合中线性、多项式、RBF和Sigmoid等不同核函数对SVM分类的影响；研究了SVM核函数参数优选的网格寻优、粒子群算法（PSO）、遗传算法（GA）及对SVM分类的影响；研究了改进EEMD与SVM结合中各种样本特别征参数变化对SVM分类的影响；研究了改进的EEMD与GA-SVM结合的液压系统二分类和多分类、以及低维小样本二分类和多分类，分类准确率都达96%-100%，比未优化的明显提高；研究了改进EEMD方法与SVM结合在超低维小训练样本液压冲击短数据信号故障的二分类，分类准确率都达100%，比EMD和EEMD分类准确率明显提高；研究了EEMD时频特征综合多参数和PCA-ＧKELM 的液压故障智能诊断，分类准确率达98%。