《表2 EMD分解后各IMF分量峭度值》

  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

《变分模态分解结合深度迁移学习诊断机械故障》

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

为进一步验证MPDE-VMD优化算法的优势，同时利用EMD算法对上述内圈故障信号进行处理，图6a是EMD分解后的14阶IMF分量。计算出各IMF分量峭度值（见表2），其平均峭度为7.28。提取出大于平均峭度的IMF1、IMF2和IMF8分量进行信号重构，将重构信号进行包络谱分析。图6b是重构信号的包络谱，由图6b可看出，提取出的主要振动频率包含31和163 Hz，这些特征值与理论计算结果的误差相较于MPDE-VMD算法的误差要大。通过计算MPDE-VMD优化算法的诊断误差为2.57%，而EMD算法的诊断误差为3.20%，与图5c相比，图6b的背景噪声严重、干扰谱线过多，特征提取效果不佳。综上，MPDE-VMD优化算法相较传统算法更为有效。