单因素方差分析完整实例文库（旋转机械故障信号分析）

Smith提出了局部均值模式分解（LMD）来估计信号的瞬时频率和瞬时幅度它将信号分解为调幅和调频的乘积(本质上是单分量)，然后将调幅项和调频项进行迭代分离，通过数据平滑方法获得一系列的单分量在经验模式分解得到模式分量的过程中，不能包含连续极值之间没有零交叉的振荡波动模式，但是在局部均值模式分解得到乘积函数过程中，可以包含不跨越零的振荡模式因此，局部均值模式分解得到的乘积函数可能比经验模式分解得到的本征模式函数保留更多的频率和幅度变化信息局部均值模式分解与经验模式分解具有相似的特性，它们都是按照从高到低的频率顺序分离乘积函数，在应用于白噪声时表现出二进多频带分解特点，现在小编就来说说关于单因素方差分析完整实例文库?下面内容希望能帮助到你，我们来一起看看吧!

单因素方差分析完整实例文库

Smith提出了局部均值模式分解（LMD）来估计信号的瞬时频率和瞬时幅度。它将信号分解为调幅和调频的乘积(本质上是单分量)，然后将调幅项和调频项进行迭代分离，通过数据平滑方法获得一系列的单分量。在经验模式分解得到模式分量的过程中，不能包含连续极值之间没有零交叉的振荡波动模式，但是在局部均值模式分解得到乘积函数过程中，可以包含不跨越零的振荡模式。因此，局部均值模式分解得到的乘积函数可能比经验模式分解得到的本征模式函数保留更多的频率和幅度变化信息。局部均值模式分解与经验模式分解具有相似的特性，它们都是按照从高到低的频率顺序分离乘积函数，在应用于白噪声时表现出二进多频带分解特点。

虽然局部均值模式分解是一种相对较新的方法，但它已经被广泛应用于机械故障诊断中。Park 等人对局部均值模式分解算法复域进行一种自然的、通用的扩展，结果表明，复局部均值模式分解提取了调制旋转分量和包络分量。研究认为局部均值模式分解的过程可以看作是解调的过程，每个乘积函数都是一个包络信号和一个纯调频信号的乘积，从这个乘积中可以得到物理意义上的瞬时频率。将局部均值模式分解方法应用于齿轮和滚子轴承的故障诊断中，准确、有效地识别了它们工作状态下的调幅调频特性。进一步研究发现局部均值模式分解的小波类频率分解特性，从而提出了一种基于噪声辅助分析改进方法（ELMD）解决局部均值模式分解的模式混叠问题，并将其应用于转子故障诊断。

局部均值模式分解为将多分量信号分解为单分量信号提供了一种新的方法，在局部均值模式分解中，单分量是通过数据平滑方法得到的，而不是经验模式分解中使用的三次样条拟合。基于归一化调频信号的瞬时频率估计方法可以有效地避免由于调幅效应而可能产生的失真误差，保证正的瞬时频率。在瞬时频率迹线和瞬时频率轨迹交叉的信号时频表达问题上，局部均值模式分解存在与经验模式分解相同的模式混叠问题，难以准确识别信号的时频结构。此外，滑动平均过程中平滑方法和步长对局部均值模式分解有很大的影响，需要根据信号的特点来选择这两个参数。

2014 年，Dragomiretskiy 和 Zosso提出了变模式分解，该算法是一种完全非递归分解方法，它自适应地提取复杂多分量信号的调幅调频分量，且对噪声具有较强的鲁棒性。变模式分解将本征模式函数定义为解析的调幅调频分量，并将调幅调频模型的参数与本质模式函数的带宽联系起来。根据本征模式函数的窄带特性，通过使带宽最小化得到调幅调频分量参数，从而得到有效的模式分量。该算法与经验模式分解及局部均值模式分解相比，具有理论基础强、对噪声和采样鲁棒性好等优点。

近年来，研究人员提出了多种基于变模式分解的轴承故障诊断方法。Gupta 等人首次将变模式分解应用于轴承早期故障诊断研究，他们首先利用变模式分解方法提取轴承的固有模态函数，然后进行快速傅里叶变换，最后分析轴承的故障或完好状态，结果表明变模式分解在检测振动信号方面具有良好的性能。Gupta 等人也对经验模式分解和变模式分解进行了对比研究，表明在变模式分解算法实施过程中进行移频操作后，可以提取出信号中存在的多组分调幅调频成分。在频率恢复方面，变模式分解比经验模式分解具有更好的效果。但是，由于变模式分解采用的是维纳滤波去噪方法，因此与经验模式分解相比，变模式分解的强度恢复较差。

在大多数研究中，证明了变模式分解方法优于传统经验模式分解和经验模式分解改进算法。变模式分解方法在分解过程中没有采用筛分过程，这使得该方法在解决模式混合问题上具有优越性。将维纳滤波、希尔伯特变换和交替方向乘法器法（ADMM）有机地结合起来，使得变模式分解方法具有更好、更准确的分解效果。因此，变模式分解方法能够准确地将任何信号分解成模式分量集合，而不需要从原始信号中去除有用的信息。