知乎学术咨询获取完整数据和代码

https://www.zhihu.com/consult/people/792359672131756032

担任《Mechanical System and Signal Processing》《中国电机工程学报》《宇航学报》《控制与决策》等期刊审稿专家，擅长领域：信号滤波/降噪，机器学习/深度学习，时间序列预分析/预测，设备故障诊断/缺陷检测/异常检测。

该研究针对旋转机械复合故障诊断中冲击性成分提取困难的问题，提出了一种基于粒子群优化的冲击性模式分解方法。通过自适应优化频带参数，能够从强噪声背景中精准分离轴承外圈故障和齿轮故障的混合冲击特征，解决了传统方法对参数敏感、易受噪声干扰的痛点，为复杂工况下的机械故障精准诊断提供了有效解决方案。

算法步骤：

信号预处理：加载振动信号，计算原始信号的时域波形、频谱和平方包络谱

参数初始化：设置频带选择阈值、最小带宽、最大模态数及粒子群优化参数

冲击模式分解：通过粒子群优化算法自动搜索最优频带，提取冲击性故障成分

模态显示与分析：对提取的每个冲击模态进行带通滤波，展示时域、频域和包络谱特征

残差分析：可选展示剩余频带成分，评估分解完整性