《表3 不同K值下仿真信号分解结果的能量占比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进变分模态分解的滚动轴承故障诊断方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先对原始信号使用改进的SVD降噪处理，根据奇异值平均下降速度法，选取2 048个奇异值的前347个进行重构。经过降噪处理后，信号充分滤除了杂波，然后对降噪后的信号进行VMD分解，首先确定分解层数。经过试验，当分解层数K=5时，分解结果的能量占比基本不再上升，然后开始缓慢下降。选择5层作为分解层数，对故障信号进行VMD分解，将各分量按中心频率从小到大排列，并求取中心频率相邻的分量信号间的相关系数，能量占比如表3所示，相关系数如表4所示。