本文介绍了ITD（Intrinsic Time-Scale Decomposition）方法在轴承故障信号分解中的应用，强调了ITD方法相对于EMD和LMD的优势，如端点效应小和计算速度快。此外，提供了部分MATLAB源代码示例，以及新迭代终止条件，以减少计算量并加速分解过程。最后，提到了MATLAB 2014a版本和相关参考文献。
⛄一、ITD轴承故障信号分解简介
滚动轴承局部损伤故障振动信号多为非平稳的多分量调制信号, 采用合适的时频分析方法将故障信号分解为若干个单分量AM-FM信号, 再对其包络解调是轴承故障诊断的常用手段。本征时间尺度分解 (Intrinsic Time-Scale Decomposition, ITD) 是针对传统时频分析方法的局限性提出的新方法, 可自适应性地将一个复杂信号分解为若干个合理旋转 (Proper Rotation, PR) 分量之和, 每个PR分量通过一次迭代即可获得, 端点效应小, 分解能力强, 计算速度明显优于经验模态分解 (Empirical Mode Decomposition, EMD) 和局部均值分解 (Local Mean Decomposition, LMD) 方法, 有利于实现在线故障诊断。
1 ITD方法
1.1 原理
设待分解信号Xt的极值为Xk, 对应时刻为τk (k=1, 2, …, N, N为所有极值点个数) 。定义L为基线提取算子, Lt=LXt为信号的基线分量, 则Xt被分解为Xt=Lt+Ht, Ht为待提取的PR分量。
(1) L通过相邻基线控制点Lk和Lk+1在[τk, τk+1] (k=1, 2, …, N) 上对Xt线性变换所得, 即
订阅专栏 解锁全文
扫一扫
1461
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
