MEEMD在内燃机振动信号分析中的应用：活塞敲击与燃烧爆发激励分离

"基于MEEMD的内燃机机体活塞敲击激励与燃烧爆发激励分离研究" 本文探讨了一种改进的集总平均经验模态分解（MEEMD）技术在内燃机振动信号分析中的应用，特别是针对活塞敲击和燃烧爆发这两种主要振动源的分离。作者郑旭、郝志勇、卢兆刚和杨骥来自浙江大学能源工程学系，他们提出MEEMD作为一种更优越的自适应信号分解方法，旨在解决传统经验模态分解（EMD）和集总平均经验模态分解（EEMD）存在的问题。 经验模态分解（EMD）是一种自我适应的数据分析方法，能够对非线性和非平稳信号进行分解，但存在模态混叠的问题，即不同频率成分可能无法清晰地分离。而集总平均经验模态分解（EEMD）则是EMD的改进版，通过多次随机噪声注入来平均结果，以减少模态混叠，但仍然存在非标准IMF分量、模态分裂和白噪声残余等挑战。 MEEMD是EEMD的进一步优化，它有效地抑制了模态混叠现象，并能消除EEMD中的非标准IMF分量、模态分裂以及白噪声残余。作者通过仿真实验验证了MEEMD的优越性，表明其在处理复杂振动信号时表现更佳。 在实际应用中，研究人员选择某型号的柴油机作为研究对象，利用MEEMD对发动机机体的振动信号进行分解。发动机振动通常由多个来源引起，包括活塞敲击（即活塞与气缸壁之间的不规则接触）和燃烧爆发（燃料燃烧产生的压力波动）。通过对振动信号的MEEMD分解，可以将这两个关键激励成分分离出来，从而准确诊断出主要的振动源。 这项工作对于内燃机的故障诊断和性能优化具有重要意义，因为它提供了识别和隔离特定机械激励的方法。通过这种技术，工程师可以更好地理解发动机的动态行为，进而改进设计，提高效率，减少维护成本，以及提前预防可能的故障。此外，这种方法也对其他领域的振动分析，如机械设备状态监测、故障预测等领域具有参考价值。 关键词：柴油机；振动信号；MEEMD；活塞敲击；燃烧激励 该论文属于工程技术领域，分类号为TK421.6，文献标识码为A，表明它是一篇科研论文，为内燃机振动分析领域的理论研究和技术发展提供了新的思路。