EEMD方法及在机械故障诊断中的应用

第1章 EMD方法
1.1 内禀模态函数
1.1.1 EMD分解过程
1.1.2 EMD筛分终止条件
1.2 Hilbert变换和Hilbert谱
1.3 EMD的特点和存在的问题
1.3.1 EMD的特点
1.3.2 EMD存在的问题
1.4 端点效应和信号延拓
1.4.1 波形匹配延拓法
1.4.2 极值延拓法
1.4.3 数据预测延拓法
第2章 EEMD方法
2.1 EEMD方法概述
2.2 EEMD方法的优点及存在的问题
2.2.1 EEMD方法的优点
2.2.2 EEMD存在的问题
2.3 EEMD方法改进效果的评价方法
2.3.1 仿真信号EEMD改进评价方法
2.3.2 实测信号EEMD改进评价方法
第2章 EEMD方法
3.1 EEMD降噪
3.1.1 EEMD阈值降噪
3.1.2 EEMD自相关降噪
3.1.3 EEMD奇异值差分谱降噪
3.2 基于频率截止的EEMD算法改进
3.2.1 基于频率截止的EEMD算法改进方法
3.2.2 仿真信号验证
3.2.3 实测信号验证
3.3 改进三次样条插值的EMD（EEMD）方法
3.3.1 常用插值函数拟合效果分析
3.3.2 基于极值中心三次样条插值的改进EMD（EEMD）方法
3.3.3 极值中心三次样条插值的实例分析
3.3.4 包络能量阈值法
3.4 EEMD的端点延拓方法
3.4.1 基于支持向量回归机的EEMD延拓方法
3.4.2 基于极值点SVRM的EEMD延拓方法
3.4.3 基于极值波延拓的EEMD端点效应处理方法
3.5 EEMD的虚假IMF分量识别
3.5.1 基于时域互相关系数的EEMD虚假IMF分量识别
3.5.2 基于频域互相关系数的EEMD虚假IMF分量识别
3.5.3 能量熵增量的EEMD虚假IMF分量识别
第4章 SVRM延拓的影响分析
4.1 SVRM预测长度的影响
4.1.1 预测长度对预测精度的影响
4.1.2 预测长度对运算效率的影响
4.2 SVRM样本点数的影响
4.2.1 样本点数对预测精度的影响
4.2.2 样本点数对运算效率的影响
4.3 信号采样频率的影响
4.4 信号复杂性的影响
第5章 EEMD方法的应用
5.1 改进EEMD在信号趋势分析中的应用
5.1.1 改进的EEMD分解与小波分解提取趋势项的比较
5.1.2 改进的EEMD分解与EMD、EEMD分解提取趋势项的比较
5.2 改进的EEMD在调制信号分析中的应用
5.2.1 改进的EEMD在调幅信号中的应用
5.2.2 改进的EEMD在调频信号中的应用
5.2.3 改进的EEMD在幅频调制信号中的应用
5.3 改进的EEMD在信号奇异性检测中的应用
5.3.1 FFT时频分析在信号奇异性检测中的应用
5.3.2 STFT时频分析在信号奇异性检测中的应用
5.3.3 WVD时频分析在信号奇异性检测中的应用
5.3.4 WT时频分析在信号奇异性检测中的应用
……
第6章 SVM智能诊断理论及参数优化
第7章 EEMD与SVM结合的智能诊断方法
参考文献