EMD方法在机械振动诊断中的应用与突破

本篇论文深入探讨了"基于EMD的机械振动分析与诊断方法研究"，由浙江大学机械与能源工程学院的曹冲锋博士撰写，旨在解决复杂机械系统振动信号的非平稳性问题。论文结合了两个国家级科研项目——"机械振动本底源信号半盲分离与重建方法的研究"和"超临界、超超临界大型汽轮发电机组状态监测与故障诊断技术"，着重研究了经验模态分解(EMD)在机械振动分析中的应用。 EMD是一种强大的信号处理工具，它通过分解非平稳信号为一组固有模态函数（Intrinsic Mode Functions，IMFs），这些函数反映了信号的内在周期性和趋势。作者首先对国内外旋转机械振动分析与故障诊断技术进行了概述，指出了现有方法如滤波和频域分析的局限性，强调了EMD在机械系统故障诊断中的潜在价值和紧迫需求。 第二章深入解析了EMD在机械振动信号处理中的物理意义，提出了一种基于EMD的机械系统振动模式分析方法。论文详细介绍了EMD处理振动信号的原理和步骤，构建了机械振动的理论模型，并通过单自由度和多自由度机械系统的实例分析，证明了EMD能有效地揭示振动模式与固有模式函数之间的高相关性。通过仿真与实验证明，这种方法有效解决了EMD在机械振动信号处理中解释上的难题，为后续特征提取和故障诊断提供了新的视角。 第三章聚焦于端点效应抑制策略，这是EMD方法在实际应用中面临的一个挑战。作者对国内外关于如何减轻端点效应抑制的最新研究成果进行了综述，这为优化EMD在机械振动分析中的稳定性和准确性提供了关键信息。 曹冲锋博士的论文不仅深化了对EMD在机械振动分析中的理解，还提出了一套完整的解决方案，包括EMD-2D.HMM诊断级联模型，为提高机械系统的健康监测和故障预测能力做出了重要贡献。这篇论文的研究成果对于机械工程师和振动分析师来说，具有很高的实用价值和理论参考价值。