论文部分内容阅读
为克服噪声污染及经验模式分解(EMD)模态混叠对故障特征提取产生的不准确结果,提出了一种基于提升奇异值分解(LSVD)和集合经验模式分解(EEMD)的模拟电路故障特征提取方法.首先对模拟电路各状态下的输出信号进行提升奇异值分解去噪,消除噪声影响并实现信号局部特征的增强,然后通过EEMD得到信号的若干准确本征模态函数(IMF),最后提取各状态下EEMD能量熵作为判别的特征送入神经网络进行故障诊断.惯组中陀螺仪X轴伺服回路电路仿真实验结果证明,该方法提取的特征可以实现对故障的有效判别.