基于排列熵的CEEMDAN分解算法研究
邱林江
花小朋
徐森
孙鹏
盐城工学院信息工程学院 盐城 224051
摘要：自适应噪声完备集合经验模式分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)对复杂信号有着较好的分解能力.然而,CEEMDAN分解结果中仍然存在模态混淆和产生过多伪分量问题.针对以上问题,论文提出一种基于排列熵的自适应噪声完备集合经验模式分解(Permutation entropy based CEEMDAN,PECEEMDAN)方法.该方法在CEEMDAN对原始信号分解过程中嵌入排列熵阈值检测,分离出间歇和噪声信号,对剩余信号直接进行经验模式分解(Empirical Mode Decomposition,EMD).仿真信号及实测轴承信号的实验结果验证了PECEEM-DAN在抑制模态混淆、分解精度和故障特征频率提取方面有较好的优越性.
关键词：噪声模态混淆模式分解排列熵故障特征
分类号：TP13(自动化基础理论)
资助基金：国家自然科学基金(62076215)
论文发表日期：2025-07-20
在线出版日期：2025-09-25（本平台首次上网日期，不代表文献的发表时间）
页数：8( 1800-1807 )
英文信息