通过电动机与滚动轴承之间建立的函数关系将振动信号转变成谐波分量,进而对谐波分量分析。对这种非平稳信号首先进行经验模态分析(EMD),然后通过改进LMS算法自适应滤波器分离噪音,最后再运用希尔伯特变换得到故障轴承频谱图。通过仿真实验证明该方法可以消除大部分的噪音和低频干扰,且易于实现,最终获得符合故障诊断要求的振动信号。

完整的经验模态分解算法，emd，非常全，速度保存 ，希尔伯特黄变换

为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。

本压缩包内部包含全套的EMD分解和希尔伯特黄谱分析程序。上传给大家共享。我本页也学习信号处理数年，多次用到希尔伯特黄变换的内容，用这套程序都可以比较好的解决。内置本版本程序作者的工作记录和程序说明的文本文件。 保证有效！如有疑问请私信。

信号iceemdan模态分解，包含测试信号，简单易实现，需要自己安装emd工具箱

经验模态分解，vmd分解非线性信号，可以把信号分解成有用的数据，然后进行分解

matlab经验模态分解举例，EMD经验模态分析是目前比较常用的数据分析方法，不同于之前的傅立叶分析和小波分析，它直接从数据中分析特征。

该文用于时间序列的经验模态分解仿真，将时间序列分解为若干个子序列，分别仿真，再将结果结合，可供参考

在研究脑电信号特性的基础上，提出了一种基于CEEMD-PE对脑电信号进行降噪的方法。完全集合经验模态分解（CEEMD）能够克服模态混叠的问题，因此，对脑电信号进行CEEMD分解，得到一组固有模态函数（IMF）分量，计算各个IMF分量的排列熵（PE）值，依据PE的值剔除基本为噪声的IMF分量，将降噪后的分量与保留的分量进行重构，得到降噪后的脑电信号。实验结果表明，用CEEMD-PE对脑电信号进行降噪，在抑制噪声的同时，还有效地保留了脑电信号的细节特性，去噪性能更好。

经验模态分解 MATLAB 程序