摘要
提出了以经验模态分解为基础的希尔伯特-黄变换的特征提取方法,描述了希尔伯特-黄变换在汽车后视镜电机故障信号的时频特征提取与BP神经网络实现电机状态分类的应用.首先通过给定的振动样本建立振动分析的数学模型,对振动信号进行EMD分解,得到固有模态函数分量;然后对其进行希尔伯特变换处理,将所得瞬时频率与瞬时振幅作为BP神经网络的输入,建立BP神经网络分类模型.其次使用振动采集设备实时获得振动信号,并输入所建立模型,达到了91.5％的识别准确率,验证了该方法在汽车后视镜电机故障诊断应用方面的适用性.
NETL
NSTL
维普
万方数据