1.一种抑制EMD端点效应的方法,其特征在于所述方法包括如下步骤:
利用SVM对原始信号两端进行延拓;
对未延拓的数据加矩形窗处理,延拓数据加海明窗处理;
对加窗处理后的数据进行EMD分解,把分解得到的IMF分量的两端延拓部分去掉,得到原始信号真实的IMF分量。
2.如权利要求1所述的抑制EMD端点效应的方法,其特征在于,所述方法还包括:利用传感器采集齿轮箱齿轮裂纹故障信号的步骤。
3.如权利要求1所述的抑制EMD端点效应的方法,其特征在于,所述方法还包括:通过得到的真实的IMF分量进行齿轮故障特征提取,进而判断齿轮故障的步骤。
4.如权利要求1所述的抑制EMD端点效应的方法,其特征在于,所述的步骤利用SVM对原始信号两端进行延拓中支持向量机模型SVM的构造方法包括如下步骤:
参数设置:选择精度参数ε、惩罚参数C、损失函数e和适当的核函数k(xi,xj);
最小化:
即在和的约束条件下对ai和ai*求解式(2)所示目标函数的最小值,即
得到最优解
构造支持向量回归模型:
式中,
5.如权利要求4所述的抑制EMD端点效应的方法,其特征在于,所述的步骤利用SVM对原始信号两端进行延拓的方法包括如下步骤:
先考虑向后延拓的情况,对于一个给定的数据序列s(1),s(2),…,s(N),其中N为采样点数,首先确定训练样本数l,按一定的规则产生一个训练集L={(x1,y1),…,(xl,yl)};
按照上述方法构造如式(3)所示的回归模型,利用该回归模型得到边界外的第一个预测值s(N+1),再将s(N+1)作为原始数据新的边界点,得到第2个数据序列的延拓值s(N+2),以此类推,根据所需要延拓的数据个数M,得到全部延拓序列s(N),s(N+1),…,s(N+M);
最后,按照向后延拓的方法对原始数据序列向前延拓,最终得到原始信号延拓数据。
6.如权利要求1所述的抑制EMD端点效应的方法,其特征在于,所述的对未延拓的数据加矩形窗处理,延拓数据加海明窗处理的方法如下:
将得到的延拓数据分为延拓的和未延拓的两个部分;
向前、向后延拓的数据分别加海明窗处理,即延拓数据与海明窗函数相乘;
未延拓的数据加矩形窗处理,即该数据与矩形窗函数相乘;
将上述延拓加窗处理的数据整合到一起形成新的信号序列。
7.如权利要求1所述的抑制EMD端点效应的方法,其特征在于,所述的对加窗处理后的数据进行EMD分解,把分解得到的IMF分量的两端延拓部分去掉,得到原始信号真实的IMF分量的方法如下:
将加窗处理后的信号序列记为x(t),然后确定信号x(t)的所有极值点,接着用三次样条曲线将所有的极值点连接起来形成上、下包络线;
将上、下包络线的平均值记为m,求出h=x(t)-m;
把h当作新的x(t),重复上述步骤直到满足IMF条件时,记c1=h;
把c1视为一个IMF,r=x(t)-c1,r当作新的x(t),重复上述步骤得到其他的IMF分量,由此可得
式中,rn称为残余函数,代表信号的平均趋势;将得到的IMF分量去除延拓的部分,得到可以反映原始信号的IMF分量。