Halaman 1

Peningkatan kinerja ensemble empiris

mode dekomposisi
Jian Zhang a , Ruqiang Yan b, Ã
, Robert X. Gao a , Zhihua Feng c
sebuah Departemen Teknik Mesin, Universitas Connecticut Storrs, CT 06269-3139, USA
b Sekolah Sains dan Teknik Instrumen, Universitas Tenggara, Nanjing, Jiangsu 210096, Cina
c Departemen Mesin Presisi dan Instrumentasi Presisi, Universitas Sains dan Teknologi Cina, Hefei, Anhui 230027, Cina
artikel info
Sejarah artikel:
Diterima 14 September 2009
Diterima dalam bentuk revisi
29 Desember 2009
Diterima 6 Maret 2010
Tersedia online 18 Maret 2010
Kata kunci:
Ensemble dekomposisi mode empiris
Mode pencampuran
Band-noise terbatas
Dekomposisi sinyal getaran
abstrak
Ensemble mode dekomposisi empiris (EEMD) adalah metode yang baru dikembangkan bertujuan
di menghilangkan modus pencampuran hadir dalam dekomposisi mode empiris asli
(EMD). Untuk mengevaluasi kinerja metode baru ini, makalah ini menyelidiki
efek dari dua parameter yang berkaitan dengan EEMD: amplitudo dari white noise yang ditambahkan dan
jumlah percobaan ansambel. Sinyal uji dengan mode campuran yang meniru realistis
sinyal getaran bantalan yang diukur pada bantalan uji dikembangkan untuk memungkinkan
evaluasi kuantitatif EEMD dan memberikan panduan tentang cara memilih keduanya
parameter tepat untuk bantalan dekomposisi sinyal. Selanjutnya, dimodifikasi
Metode EEMD (MEEMD) diusulkan untuk mengurangi biaya komputasi yang asli
Metode EEMD serta meningkatkan kinerjanya. Evaluasi numerik dan
studi sistematis menggunakan data getaran diukur pada test bed bantalan eksperimental
memverifikasi efektivitas dan efisiensi komputasi dari metode MEEMD yang diusulkan
untuk menanggung diagnosis cacat.
© 2010 Elsevier Ltd. Semua hak dilindungi undang-undang.
1. Perkenalan
Dalam beberapa tahun terakhir, teknik analisis waktu-frekuensi dan skala-waktu seperti short time Fourier transform (STFT) [1] dan
transformasi wavelet [2,3] telah semakin diselidiki untuk pemrosesan sinyal non-stasioner dan / atau nonlinier di
diagnosis kesehatan mesin. Teknik-teknik ini, walaupun telah terbukti berhasil dalam berbagai aplikasi, tidak adaptif
di alam. Akibatnya, setelah jenis jendela atau wavelet dasar telah dipilih, fungsi analisis tetap sama
selama proses dekomposisi sinyal selanjutnya. Sebagai perbandingan, transformasi Hilbert-Huang (HHT) [4,5] membusuk
sinyal ke dalam serangkaian fungsi mode intrinsik (IMF) melalui proses dekomposisi mode empiris (EMD), sehingga hanya
melibatkan sinyal yang dianalisis sendiri alih-alih membutuhkan fungsi analisis untuk berbelit-belit. Hasilnya, itu
menyajikan pendekatan berbasis data untuk menangani non-stasioneritas dan / atau nonlinier dalam sinyal.
Sementara teknik HHT telah diterapkan ke berbagai bidang, seperti pemantauan kesehatan mesin dan kerusakan struktural
deteksi [6-11] , penyaringan dan denoising [12,13] , dan bioscience [14-16] , masalah yang tetap ada di EMD
proses adalah pencampuran mode, yang dihasilkan dari intermittency sinyal [17-20] . Untuk meningkatkan metode EMD, ensemble
Metode dekomposisi mode empiris (EEMD) baru-baru ini diusulkan untuk menghilangkan pencampuran mode [21]. Pada dasarnya,
EEMD berulang kali menguraikan sinyal asli dengan menambahkan white noise ke dalam serangkaian IMF, dengan menerapkan yang asli
Proses EMD, dan memperlakukan sarana (ansambel) IMF terkait selama proses berulang sebagai EEMD akhir
hasil dekomposisi.
Daftar isi tersedia di ScienceDirect
beranda jurnal: www.elsevier.com/locate/jnlabr/ymssp

Sistem Mekanik dan Pemrosesan Sinyal

0888-3270 / $ - lihat materi depan © 2010 Elsevier Ltd. Semua hak dilindungi undang-undang.
doi: 10.1016 / j.ymssp.2010.03.003
à penulis yang sesuai.
Alamat email: ruqiang@seu.edu.cn (R. Yan) , rgao@engr.uconn.edu (RX Gao).
Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123

Halaman 2
Makalah ini menyelidiki efek dari dua parameter - amplitudo kebisingan yang ditambahkan dan jumlah uji coba ansambel -
pada kinerja metode EEMD. Setelah memperkenalkan latar belakang teoritis dari proses EEMD, disimulasikan
sinyal yang menyajikan fenomena mode campuran dikembangkan untuk memfasilitasi evaluasi kuantitatif dari dua parameter.
Selain itu, diusulkan untuk mengganti white noise dengan noise bandwidth terbatas untuk meningkatkan proses EEMD
efisiensi komputasi. Selanjutnya, kedua evaluasi numerik pada sinyal uji yang meniru getaran bantalan realistis
sinyal dan studi eksperimental pada sinyal getaran yang diukur pada bantalan uji bantalan telah memverifikasi efektivitas
metode EEMD yang lebih baik untuk menghasilkan diagnosis cacat. Perbandingan dengan metode EMD dan EEMD yang asli miliki
menunjukkan bahwa metode EEMD (MEEMD) yang dimodifikasi lebih efektif dan efisien secara komputasi, dan sangat cocok
untuk aplikasi yang melibatkan diagnosis kesehatan mesin putar.
2. Kerangka Teoritis
2.1. Metode EMD
EMD adalah teknik pemrosesan sinyal adaptif yang digerakkan oleh data yang menguraikan deret waktu x (t) menjadi serangkaian intrinsik
fungsi mode (IMF), c i (t) as
xðtÞ¼
X
N
saya ¼ 1
c i ð t Þþ r N ð t Þ dengan i ¼ 1,2, ..., N
ð1Þ
Proses dekomposisi diwujudkan melalui proses pengayakan [4] , dan masing-masing IMF yang dihasilkan c i (t) memenuhi dua
ketentuan: (1) jumlah ekstrema dan jumlah penyeberangan nol sama satu sama lain atau paling banyak berbeda satu per satu,
dan (2) pada titik mana pun, rata-rata lokal adalah nol. Hal ini memungkinkan frekuensi sesaat yang bermakna secara fisik dan
perhitungan amplitudo melalui transformasi Hilbert dilakukan pada IMF. Simbol r N (t) merupakan residu dari
proses dekomposisi, dan biasanya merupakan fungsi konstan atau monotonik.
Dalam representasi sinyal EMD, IMF tingkat rendah sesuai dengan komponen osilasi cepat, sementara yang lebih tinggi
memesan IMF mewakili osilasi lambat. Jika EMD ditafsirkan sebagai metode analisis skala waktu, maka urutan bawah dan
orde tinggi IMF masing-masing sesuai dengan skala halus dan kasar.
2.2. Ensemble EMD
Metode EMD telah banyak diterapkan pada analisis sinyal non-stasioner dan / atau nonlinier. Namun demikian
hasil dekomposisi sering mengalami pencampuran mode, yang didefinisikan sebagai IMF tunggal yang terdiri dari banyak berbeda
skala, atau sinyal yang berada di berbagai komponen IMF. Untuk menggambarkan fenomena seperti itu, sebuah sinyal simulasi x (t) terdiri
dari dua komponen x 1 (t) dan x 2 (t) pertama kali dibangun sebagai
x ð t Þ ¼ x 1 ð t Þþ l x 2 ð t Þ
ð2Þ
di mana x 1 (t) = dosa ( a t), x 2 ð t Þ ¼ sinð b t Þe Àðð t À t 0 Þ 2 = s Þ , l 51 dan a 5 b . Notasi x 1 (t) mewakili sinusoidal frekuensi rendah
komponen sementara x 2 (t) mewakili komponen transien frekuensi tinggi yang cepat membusuk. Sebagai contoh, kapan
a = 160 p , b = 3.200 p , s = 10 6 , dan l = 0,04, bentuk gelombang sinyal ditunjukkan pada Gambar. 1. Karena sinyalnya terdiri dari banyak
skala yang berbeda, yaitu frekuensi dua komponen (80 dan 1600Hz) jauh dari satu sama lain, pencampuran mode
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
x1 (t)
x2 (t)
-1
0
1
-0.1
0
0,1
-1
0
1
x (t)
Waktu)
Gambar 1. Sinyal simulasi.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2105

Halaman 3
terjadi ketika EMD diterapkan untuk menguraikan sinyal. Ini ditunjukkan pada Gambar. 2, di mana dua komponen dicampur
bersama dalam satu IMF.
Untuk mengatasi masalah pencampuran mode, metode ensemble EMD baru-baru ini dikembangkan [21] . Intinya, itu
berulang kali menguraikan sinyal ke dalam IMF dengan menggunakan metode EMD. Selama setiap percobaan proses dekomposisi, putih
noise amplitudo terbatas ditambahkan ke sinyal asli. Sarana ensemble dari IMF terkait dihasilkan dari masing-masing
persidangan selanjutnya diperlakukan sebagai IMF dari metode EEMD. Karena white noise ditambahkan di seluruh sinyal
proses dekomposisi, tidak ada skala yang hilang, dan pencampuran mode dihilangkan secara efektif oleh proses EEMD.
Dalam proses EEMD, setiap percobaan individu dapat menghasilkan hasil yang bising, karena setiap langkah dekomposisi melibatkan keduanya
sinyal dan menambahkan white noise. Di sisi lain, ketika metode EMD diterapkan pada white noise [12,13,22] , itu bertindak sebagai
bank filter dyadic adaptif. Akibatnya, spektrum Fourier dari berbagai IMF akan runtuh ke satu spektrum tunggal
sumbu frekuensi. Akibatnya, efek dari kebisingan yang ditambahkan dapat dibatalkan di ensemble berarti ketika cukup
uji coba dilakukan dalam proses EEMD [21,23]. Mean ensemble diperlakukan sebagai IMF yang sebenarnya, dan satu-satunya bagian penduduk
adalah sinyal, karena semakin banyak percobaan ditambahkan dalam proses ansambel.
2.3. Pengaruh parameter EEMD
Sementara metode EEMD menghilangkan masalah pencampuran mode, bagaimana memilih amplitudo yang sesuai dari noise yang ditambahkan
dan menentukan jumlah percobaan ansambel tetap menjadi topik penyelidikan lebih lanjut, karena mereka secara langsung mempengaruhi
hasil dekomposisi. Bagian berikut mempelajari efek dari dua parameter secara rinci.
2.3.1. Amplitudo dari noise yang ditambahkan
Dalam proses EEMD, jika amplitudo noise yang ditambahkan terlalu kecil relatif terhadap sinyal asli, noise mungkin tidak mempengaruhi
ekstrema yang bergantung pada metode EMD. Akibatnya, tidak ada efek pada pencegahan pencampuran mode yang dapat dicapai. Di sisi lain
Sebaliknya, jika amplitudo dari noise yang ditambahkan terlalu besar, itu akan menghasilkan komponen IMF yang berlebihan. Meskipun amplitudo
komponen IMF yang berlebihan yang disebabkan oleh kebisingan yang ditambahkan dapat dikurangi setelah sejumlah percobaan, komponen-komponen IMF ini
0
0,005
0,01
0,015
0,02
0,025
Sinyal
0
0,005
0,01
0,015
0,02
0,025
IMF 1
0
0,005
0,01
0,015
0,02
0,025
-1
0
1
-1
0
1
-5
0
5
x 10 -7
Waktu)
Res.
2. Hasil EMD dari sinyal yang disimulasikan.
0
0,005
0,01
0,015
0,02
0,025
sinyal
0
0,005
0,01
0,015
0,02
0,025
IMF1
0
0,005
0,01
0,015
0,02
0,025
-1
0
1
-1
0
1
-0,01
0
0,01
Res.
Waktu)
Gambar 3. Hasil dekomposisi dengan amplitudo noise yang ditambahkan diatur ke 0,001.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2106

Halaman 4
akan meningkatkan biaya komputasi dan menyebabkan kesalahan interpretasi hasil analisis. Dalam Gambar. 3–5 , efek amplitudo
dari kebisingan yang ditambahkan pada hasil dekomposisi EEMD diilustrasikan, di mana jumlah jejak ensemble ditetapkan sebagai 100.
Dapat dilihat bahwa hasil dekomposisi bervariasi dengan amplitudo noise yang ditambahkan. Misalnya ketika
amplitudo dari noise yang ditambahkan diatur sebagai 0,001, yang jauh lebih kecil dari l (rasio amplitudo antara yang tertinggi
komponen frekuensi dan komponen frekuensi terendah), kedua komponen tidak dapat dipisahkan menjadi IMF yang berbeda,
dan pencampuran mode terjadi, seperti yang ditunjukkan pada Gambar. 3 . Di sisi lain, ketika amplitudo noise yang ditambahkan adalah 0,1, jauh lebih besar
dari pada l , maka dua komponen IMF yang berlebihan terjadi dalam hasil dekomposisi, seperti yang ditunjukkan pada Gambar. 5 . Ketika amplitudo
noise yang ditambahkan dipilih sebagai 0,01, sinyal dapat secara efektif didekomposisi menjadi dua IMF, dengan masing-masing berisi satu sinyal
komponen, masing-masing (Gambar 4 ).
Hasil ini menunjukkan bahwa amplitudo white noise yang ditambahkan harus dipilih dengan tepat untuk memastikan EEMD
kinerja. Dalam [21] , amplitudo dari white noise yang ditambahkan ditetapkan sebagai 0,2 kali standar deviasi dari yang asli
sinyal. Untuk sinyal yang diselidiki dalam studi yang disajikan, ini diterjemahkan ke dalam amplitudo suara yang ditambahkan menjadi 0,14,
karena standar deviasi adalah 0,7. Perlu dicatat, bagaimanapun, bahwa amplitudo tersebut dapat menyebabkan IMF berlebihan
komponen yang akan dihasilkan, karena lebih besar dari 0,1 yang ditunjukkan pada Gambar. 5 .
0
0,005
0,01
0,015
0,02
0,025
sinyal
0
0,005
0,01
0,015
0,02
0,025
IMF2
0
0,005
0,01
0,015
0,02
0,025
IMF1
0
0,005
0,01
0,015
0,02
0,025
0
-1
0
1
-1
0
1
-0.1
0,1
-0,01
0
0,01
Res.
Waktu)
Gambar 4. Hasil dekomposisi dengan amplitudo noise yang ditambahkan diatur ke 0,01.
0
0,005
0,01
0,015
0,02
0,025
sinyal
0
0,005
0,01
0,015
0,02
0,025
IMF1
0
0,005
0,01
0,015
0,02
0,025
IMF2
0
0,005
0,01
0,015
0,02
0,025
IMF3
0
0,005
0,01
0,015
0,02
0,025
IMF4
0
0,005
0,01
0,015
0,02
0,025
0
0
-1
0
1
-0.2
0,2
-0.2
0
0,2
-0.5
0
0,5
-1
0
1
-0,01
0,01
Res.
Waktu)
Gambar 5. Hasil dekomposisi dengan amplitudo noise yang ditambahkan diatur ke 0,1.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2107

Halaman 5
Untuk memberikan pendekatan sistematis untuk memilih amplitudo noise yang sesuai, ukuran signal-to-noise ratio (SNR) adalah
diperkenalkan dalam penelitian yang disajikan:
SNR ¼ 10 log 10 ð p 1 = p 2 Þ
ð3Þ
di mana p 1 adalah kekuatan sinyal, dan p 2 adalah kekuatan noise. Ketika kekuatan sinyal yang akan dianalisis adalah
ditentukan, nilai daya dari white noise yang ditambahkan dapat ditemukan, dan amplitudo noise yang ditambahkan dapat diidentifikasi.
Hubungan antara SNR dan hasil dekomposisi untuk sinyal (seperti yang ditunjukkan pada Gambar. 1) diberikan pada Gambar. 6. Itu
nilai koordinat Y sesuai dengan hasil dekomposisi yang berbeda, di mana nilai À1 mewakili pencampuran mode,
dan nilai 0 tidak mewakili komponen IMF yang berlebihan. Nilai-nilai positif mewakili jumlah IMF yang berlebihan
komponen. Hal ini dapat dilihat pada Gambar. 6 bahwa SNR dalam kisaran 50-60dB menyajikan nilai yang baik untuk EEMD yang sukses
dekomposisi di mana tidak ada pencampuran mode dan tidak ada komponen IMF yang berlebihan.
2.3.2. Jumlah percobaan ansambel
Secara teoritis, jumlah percobaan ensemble yang tak terbatas akan diperlukan untuk sepenuhnya membatalkan efek putih
noise ditambahkan ke sinyal asli. Mengingat bahwa persyaratan seperti itu tidak dapat dipenuhi secara praktis dalam aplikasi dunia nyata, a
Ukuran korelasi antara IMF yang terdekomposisi dan komponen-komponen dalam sinyal asli diselidiki untuk menentukan
sejumlah percobaan ensemble yang layak dalam praktik. Sebagai contoh, untuk sinyal yang diilustrasikan pada Gambar. 1, Sangat menarik untuk
menentukan komponen frekuensi tinggi dari amplitudo lemah. Untuk tujuan ini, korelasi antara mode intrinsik
fungsi IMF1 dan komponen x 2 (t) dalam sinyal simulasi dihitung. Seperti yang ditunjukkan pada Gambar. 7 , ketika jumlah
uji coba ensemble adalah 100, koefisien korelasi yang sesuai mendekati 0,95. Ini dipertimbangkan dalam penelitian yang disajikan
sebagai nilai ambang yang dapat diterima untuk menentukan jumlah percobaan ensemble yang praktis bermakna.
Gambar. 8 mengilustrasikan bagaimana hasil dekomposisi bervariasi dengan jumlah percobaan ensemble, di mana
amplitudo dari noise yang ditambahkan ditetapkan sebagai 0,08. Ini karena nilai dalam rentang [0,01-0,1] tidak akan menyebabkan
0
10
20
30
40
50
60
70
80
-2
-1
0
1
2
3
4
SNR (db)
Jumlah komponen yang berlebihan
Gambar. 6. Hubungan antara SNR dan hasil dekomposisi yang diperoleh dari EEMD.
0
20
40
60
80 100 120 140 160 180 200
Jumlah ensembletrials
Koefisien Korelatif
-0.5
0
0,5
1
0,95
Gambar. 7. Hubungan antara koefisien korelasi dan jumlah percobaan ensemble (metode EEMD).
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2108

Halaman 6
komponen redundan yang akan dihasilkan, sesuai dengan kriteria rasio signal-to-noise yang digunakan untuk memilih amplitudo
dari kebisingan yang ditambahkan. IMF kedua, yang mewakili komponen sinusoidal frekuensi rendah dalam sinyal, terbukti stabil untuk
berbagai jumlah uji coba ensembel yang ditampilkan. IMF pertama, sesuai dengan komponen frekuensi tinggi yang lemah
amplitudo dan yang menarik untuk penelitian ini, secara bertahap muncul sebagai jumlah percobaan ensemble meningkat. Komponennya adalah
berhasil diekstraksi ketika jumlah percobaan ensemble telah mencapai 100. Ini menunjukkan bahwa korelasinya
Koefisien menyediakan ukuran yang efektif untuk menentukan jumlah percobaan ensemble dalam proses EEMD.
3. Metode EEMD yang dimodifikasi
Sementara metode EEMD memecahkan masalah pencampuran mode, sejumlah besar jejak ensembel memberikan nilai tinggi
beban komputasi. Peningkatan efisiensi komputasi EEMD dengan demikian diinginkan. Tujuan menambahkan white noise adalah untuk
memfasilitasi bahwa komponen dalam skala yang berbeda dari sinyal diproyeksikan dengan benar ke skala referensi yang ditetapkan oleh
white noise [21]. Ini berarti bagian frekuensi rendah dari white noise yang ditambahkan akan mempengaruhi hasil dekomposisi EEMD
proses (yaitu mengurangi pencampuran mode dalam IMF yang terurai), selama itu mencakup rentang frekuensi dari sinyal yang diinginkan. Di
Sebagai perbandingan, bagian frekuensi tinggi dari white noise yang ditambahkan tidak berpengaruh. Ini menunjukkan bahwa perbaikan pada
sinyal
IMF1
IMF2
Res.
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
sinyal
IMF1
IMF2
Res.
Waktu)
Waktu)
sinyal
IMF1
IMF2
-1
0
1
-0.2
0
0,2
-1
0
1
-0,01
0
0,01
-1
0
1
-0,05
0
0,05
-1
0
1
-0,01
0
0,01
Res.
Waktu)
Waktu)
sinyal
IMF1
IMF2
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
Res.
N = 100
N = 10
N = 50
N=1
Gambar 8. Hasil dekomposisi di bawah jumlah percobaan ensemble yang berbeda.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2109

Halaman 7
0
0,005
0,01
0,015
0,02
0,025
sinyal
IMF1
IMF2
Res.
Waktu)
Waktu)
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
0
0,005
0,01
0,015
0,02
0,025
sinyal
IMF1
IMF2
Res.
sinyal
IMF1
IMF2
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
Res.
Waktu)
sinyal
IMF1
IMF2
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
-1
0
1
-0.1
0
0,1
-1
0
1
-0,01
0
0,01
Res.
Waktu)
N = 50
N = 70
N=1
N = 10
Gambar 10. Hasil dekomposisi dengan noise bandwidth terbatas di bawah jumlah percobaan ensemble yang berbeda.
0 200 400 600 800100012001400160018002000
Frekuensi (Hz)
0
1
2
3
4
5
6
7
8
Kekuasaan (W
att)
Komponen frekuensi rendah
dalam sinyal
Komponen frekuensi tinggi
dalam sinyal
Gbr. 9. Konten frekuensi dari sinyal yang ditunjukkan pada Gbr. 1 .
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2110

Halaman 8
efisiensi komputasi dari proses EEMD dapat dicapai dengan mengganti white noise dengan band-noise terbatas yang akan ditambahkan
ke sinyal yang akan diurai. Penggantian seperti itu secara efektif akan mengurangi jumlah percobaan ensemble yang diperlukan untuk memperoleh
IMF yang berarti. Secara teknis, band-noise terbatas dapat diperoleh dengan menyaring low-pass noise putih, dengan cut-off
frekuensi menjadi batas atas komponen sinyal yang menarik.
Untuk mengevaluasi efektivitas metode EEMD (MEEMD) yang dimodifikasi, transformasi Fourier pertama kali dilakukan pada sinyal
untuk mendapatkan gambaran umum tentang spektrum frekuensinya. Seperti yang ditunjukkan pada Gambar. 9, komponen frekuensi tinggi dari sinyal terletak di
wilayah sekitar 1300-2000Hz. Karenanya, noise dengan bandwidth terbatas [0–2,000] Hz dipilih
ditambahkan ke dalam sinyal untuk dekomposisi EEMD.
Gambar. 10 mengilustrasikan bagaimana hasil dekomposisi bervariasi dengan jumlah percobaan ensemble. Korelasi
antara IMF1 dan komponen x 2 (t) dalam sinyal ditunjukkan pada Gambar. 11. Membandingkan dengan hasil yang diperoleh dengan menggunakan
metode EEMD asli seperti yang ditunjukkan pada Gambar. 8, terlihat pada Gambar. 10 yang menggunakan metode EEMD yang dimodifikasi, frekuensi tinggi
komponen dapat dengan mudah diidentifikasi di IMF1 setelah sekitar 70 percobaan ansambel, bukan 100 percobaan yang diperlukan
sebelumnya. Ini merupakan penghematan 30% dari beban komputasi. Hasilnya dikonfirmasi pada Gambar. 11 , di mana korelasinya
koefisien antara IMF2 yang diekstraksi dan komponen frekuensi tinggi mencapai 0,95 untuk 70 percobaan ansambel.
4. Simulasi numerik
Untuk secara sistematis mengevaluasi efektivitas metode EEMD, sinyal uji non-stasioner x (t) yang meniru realistis
sinyal getaran yang diukur dari bantalan gelinding dibuat, seperti yang ditunjukkan pada Gambar. 12 .
Sinyal uji terdiri dari dua komponen:
x ð t Þ ¼ x 1 ð t Þþ x 2 ð t Þ
ð4Þ
0
0,01
0,02
0,03
0,04
0,05
-0.1
-0,05
0
0,05
0,1
Waktu)
Sinyal (V)
Komponen Sinusoidal
0
0,01
0,02
0,03
0,04
0,05
-0.2
-0.1
0
0,1
0,2
Waktu)
Komponen Sementara
0
0,01
0,02
0,03
0,04
0,05
-0.1
-0,05
0
0,05
0,1
Waktu)
Sinyal (V)
Sinyal Analitik
Gambar 12. Sinyal uji yang dihasilkan berdasarkan getaran bantalan: (a) bentuk gelombang sinyal uji x (t); (b) komponen berkala x 1 (t); dan (c) komponen transien x 2 (t).
0
20
40
60
80
100
Jumlah percobaan ansambel
Koefisien Korelatif
-0,4
-0.2
0
0,2
0,4
0,6
0.8
1
0,95
Gambar 11. Hubungan antara koefisien korelasi dan jumlah percobaan ensemble untuk metode EEMD yang dimodifikasi.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2111

Halaman 9
di mana x 1 (t) mewakili komponen periodik dalam sinyal, yang diberikan oleh
x1ðtÞ¼
X
N
saya ¼ 1

A 1 ð i Þsin½2 p f 1 ð i Þþ y 1 ð i ÞŠ
ð5Þ
Dalam Persamaan. (5), A 1 (i), y 1 (i), dan f 1 (i) mewakili amplitudo, fase awal, dan frekuensi elemen sinusoidal ke-i,
masing-masing. Dua komponen frekuensi, 40 dan 250 Hz, dipilih untuk membangun periodisitas dasar pengujian
sinyal. Dalam Tabel 1, nilai spesifik dari parameter yang digunakan ditampilkan.
Istilah x 2 (t) mewakili komponen transien dalam sinyal. Secara fisik, itu mencerminkan pada awal dan
perkembangan cacat struktural dalam bantalan, seperti spalling pada permukaan balapan bantalan atau bergulir
elemen. Komponen transien dimodelkan sebagai serangkaian getaran yang dilemahkan secara eksponensial [24] , yang diberikan oleh
x2ðtÞ¼
X
M.
saya ¼ 1

A 2 ð i Þ Y ð t À t i Þe À C i ð t À t i Þ sin½2 p f 2 ð i Þð t À t i Þþ y 2 ð i ÞŠ
ð6Þ
0
0,01
0,02
0,03
0,04
0,05
sinyal
0
0,01
0,02
0,03
0,04
0,05
IMF1
0
0,01
0,02
0,03
0,04
0,05
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
-0.1
0
0,1
-0.1
0
0,1
-0,001
0
0,001
Res.
Waktu)
Gbr. 13. Hasil penguraian sinyal uji dengan amplitudo derau yang ditambahkan diatur ke 0,0001.
Meja 2
Parameter yang terkait dengan x 2 (t) dalam sinyal uji.
Komponen transien (M)
Parameter
Grup 1
Grup 2
Grup 3
Grup 4
1
2
3
4
5
6
7
8
A 2 (i) (V)
0,06
0,05
0,06
0,05
0,06
0,05
0,06
0,05
Ci
377.3
301.8
377.3
301.8
377.3
251.5
377.3
251.5
t i (ms)
4
4
16.5
16.5
29
29
41.5
41.5
f 2 (i) (rad)
0
0,33 p
0
0,33 p
0
0,33 p
0
0,33 p
y 2 (i) (Hz)
1.500
1.200
1.500
1.200
1.500
1.000
1.500
1.000
Tabel 1
Parameter yang terkait dengan x 1 (t) dalam sinyal uji.
Parameter
Elemen sinusoidal (N)
1
2
A 1 (i) (V)
0,033
0,012
f 1 (i) (Hz)
250
40
y 1 (i) (rad)
0
0,32 p
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2112

Halaman 10
di mana M adalah jumlah siklus getaran, dan A 2 (i), C i , t i , y 2 (i), dan f 2 (i) adalah amplitudo, faktor pelemahan, waktu tunda,
fase awal, dan frekuensi siklus getaran engan, masing-masing. Sebanyak delapan elemen digunakan untuk membangun
komponen transien dari sinyal uji. Nilai spesifik dari parameter ditentukan melalui kuadrat terkecil
metode pemasangan kurva berbasis kesalahan, seperti yang tercantum dalam Tabel 2 .
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF4
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF5
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
Gbr. 15. Hasil penguraian sinyal uji dengan amplitudo derau yang ditambahkan diatur ke 0,01.
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
Gbr. 14. Hasil penguraian sinyal uji dengan amplitudo derau yang ditambahkan diatur ke 0,001.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2113

Halaman 11
Item fungsi Y (tÀt i ) ditentukan dalam Persamaan. (6) mengidentifikasi titik waktu di mana elemen transien terjadi, dan
didefinisikan sebagai
YðtÀtiÞ¼
1, t À t i Z0
0, t À t i o0
(
ð7Þ
Sinyal uji yang dimodelkan didekomposisi dengan menambahkan noise dengan amplitudo yang berbeda, dan hasil dekomposisi adalah
ditampilkan dalam Gambar. 13–15 .
Hasil dalam Gambar. 13–15 menunjukkan tren yang serupa dengan yang ada pada Gambar. 3–5. Terlihat bahwa, ketika amplitudo suara ditambahkan
tidak dipilih dengan tepat, pencampuran mode (seperti yang diilustrasikan pada Gambar. 13 ) atau komponen yang berlebihan (seperti yang ditunjukkan Gambar. 15)
akan
muncul.
Untuk sinyal uji non-stasioner daya 0,58W, gunakan Persamaan. (5) dan kemudian melalui simulasi berjalan berulang, the
hubungan antara SNR dan hasil dekomposisi diperoleh, seperti yang ditunjukkan pada Gambar. 16 .
Terlihat bahwa rentang nilai SNR ada untuk memilih amplitudo yang sesuai dari noise yang ditambahkan. Secara khusus,
Kisaran SNR yang sesuai dari 49–58dB berlaku untuk sinyal getaran bantalan transien yang dimodelkan. Untuk menentukan
jumlah percobaan ensemble, korelasi antara IMF1 dan komponen sementara ( Gbr. 12(c)) dalam sinyal uji
pertama kali dihitung, dan hasilnya ditunjukkan pada Gambar. 17 . Menggunakan metode EEMD, jumlah percobaan ensemble yang sesuai dengan
koefisien korelasi 0,95 adalah 90. Gambar 18 menggambarkan bagaimana hasil dekomposisi bervariasi dengan jumlah
percobaan ansambel.
Selanjutnya, metode EEMD yang dimodifikasi diterapkan pada sinyal uji. Korelasi antara IMF1 dan sementara
komponen ( Gbr. 12 (c)) ditunjukkan pada Gbr. 19 . Terlihat bahwa koefisien korelasi melebihi nilai 0,95 ketika
jumlah percobaan ensemble telah mencapai 39. Nilai koefisien korelasi terus berfluktuasi sedikit, hingga
percobaan ensemble telah mencapai 70, setelah itu koefisien korelasi tetap di atas 0,95 secara konsisten. Jadi, itu
uji coba ensemble nomor Z70 dianggap mewakili tahap stabil untuk ekstraksi transien yang efektif dan andal
komponen dalam sinyal. Ini kurang dari yang seharusnya diperlukan oleh metode EEMD asli (yaitu 90 ditampilkan
pada Gambar. 17 ).
0 20 40 60 80 100 120 140 160 180 200
-0.2
0
0,2
0,4
0,6
0.8
0,95
1
Jumlah percobaan ansambel
Koefisien Korelatif
Gambar. 17. Hubungan antara koefisien korelasi dan jumlah percobaan ensemble untuk sinyal uji, menggunakan metode EEMD asli.
4
Mati rasa
er o
f komponen yang berlebihan
SNR (db)
0
3
2
1
0
-1
-2
10
20
30
40
50
60
70
80
Gambar. 16. Hubungan antara SNR dan hasil dekomposisi menggunakan EEMD.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2114

Halaman 12
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
N=1
N = 10
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
N = 50
N = 100
Gambar. 18. Hasil penguraian di bawah jumlah percobaan ensemble yang berbeda.
0
20
40
60
80
100
-0,6
-0,4
-0.2
0
0,2
0,4
0,6
0.8
0,95
1
Jumlah percobaan ansambel
Koefisien Korelatif
Gambar 19. Hubungan antara koefisien korelasi dan jumlah percobaan ensemble untuk sinyal uji, menggunakan metode EEMD yang dimodifikasi.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2115

Halaman 13
Pada Gambar. 20 , hasil dekomposisi menggunakan noise bandwidth terbatas di bawah jumlah percobaan ensemble yang berbeda ditampilkan. Itu
dapat dilihat bahwa komponen sementara muncul karena jumlah percobaan ensemble telah mencapai sekitar 70.
5. Evaluasi eksperimental
Untuk mengevaluasi efektivitas metode EEMD yang dimodifikasi untuk analisis sinyal non-stasioner, sinyal getaran digunakan
dikumpulkan dari sistem uji bantalan ( Gbr. 21 ). Sistem ini terdiri dari motor DC (Pelajaran C16D34FT18), dua pendukung
bantal blok (SKF209-112), bantalan pengujian dengan rumah pendukung, silinder hidrolik (Miller 4Z644B), hidrolik
pompa (Enerpac P392), dan enkoder optik untuk pengukuran kecepatan bantalan. Silinder hidrolik menerapkan beban variabel
untuk bantalan dalam arah radial. Accelerometer (bandwidth 1Hz hingga 30kHz) mengukur getaran dari dua pengujian
bantalan, di mana cacat unggulan (alur 0,27mm melintasi raceway luar) dimasukkan ke salah satu bantalan. Itu
frekuensi pengambilan sampel diatur sebagai 100 kHz, dan bantalan uji dioperasikan pada 2100 rpm, dengan preload 200 psi diterapkan bersama
arah radial.
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
N=1
N = 10
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
sinyal
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF1
0
0,01
0,02
0,03
0,04
0,05
-0,02
0
0,02
IMF3
0
0,01
0,02
0,03
0,04
0,05
-0,001
0
0,001
Res.
Waktu)
0
0,01
0,02
0,03
0,04
0,05
-0.1
0
0,1
IMF2
N = 50
N = 70
Gambar. 20. Hasil penguraian sinyal uji dengan noise bandwidth terbatas di bawah jumlah percobaan ensemble yang berbeda.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2116

Halaman 14
Gambar. 22 mengilustrasikan sinyal getaran yang diukur dari dua bantalan yang identik: satu tanpa cacat unggulan (yaitu bantalan
'' Sehat '') dan yang lainnya dengan cacat unggulan (yaitu bantalan '' cacat '').
Metode EMD tradisional pertama kali diterapkan pada dua sinyal getaran, dan hasilnya ditunjukkan pada Gambar. 23 , di mana a
perbandingan IMF yang diekstraksi antara yang sehat (Gbr. 23 (kiri)) dan bantalan rusak ( Gbr. 23 (kanan)) dikontraskan. Di
Gbr. 24, spektrum HHT yang sesuai ditampilkan. Terlihat bahwa untuk bantalan yang sehat ( Gbr. 24 (a)), tidak ada bukti periodik
pola sinyal dapat dikenali, sedangkan pola berulang dengan interval 8 ms ( Gbr. 24 (b)) ditunjukkan dengan jelas dalam
Spektrum HHT bantalan cacat. Pola seperti ini dihasilkan dari interaksi periodik antara elemen bergulir
dan cacat unggulan di permukaan raceway. Perlu dicatat bahwa komponen frekuensi menengah dan tinggi di HHT
spektrum ditunjukkan pada Gambar. 24(B) tidak jelas terpisah satu sama lain, dan komponen frekuensi rendah dicampur
bersama-sama, menunjukkan adanya mode mixing.
Metode EEMD asli kemudian diterapkan pada sinyal getaran yang sama, dan IMF yang diekstraksi ditunjukkan pada Gambar. 25
('' Sehat '' bantalan di sebelah kiri dan cacat bantalan di sebelah kanan). Pada Gambar. 26 , spektrum HHT yang sesuai ditampilkan.
Membandingkan dengan hasil pada Gambar. 24(B), terlihat bahwa komponen frekuensi menengah dan tinggi dipisahkan dengan jelas
pada Gambar. 26(b). Untuk bantalan yang cacat, pola berulang dengan interval 8 ms diidentifikasi. Selain itu, frekuensi rendah
komponen tidak lagi dicampur bersama.
Saat menerapkan metode MEEMD pada sinyal getaran, rentang frekuensi sinyal getaran adalah yang pertama
Diperkirakan untuk menentukan bandwidth yang sesuai dari sinyal kebisingan yang akan ditambahkan untuk memfasilitasi proses EEMD.
Selanjutnya, derau terbatas pita tersebut (hingga 10 kHz) ditambahkan ke sinyal getaran yang sedang dianalisis. Dari HHT
Spektrum sinyal dekomposisi MEEMD (bantalan sehat dan cacat) pada Gambar. 27 , terbukti bahwa MEEMD
metode dilakukan lebih baik daripada metode EMD, yang hasilnya ditunjukkan pada Gambar. 24 . Selanjutnya membandingkan dengan aslinya
Metode EEMD, terlihat bahwa metode MEEMD berkinerja lebih baik dalam hal lebih lanjut mengurangi pencampuran mode
fenomena dalam rentang frekuensi yang lebih rendah, seperti yang ditunjukkan pada Gambar. 27 b.
Untuk mengevaluasi biaya komputasi, metode EEMD asli dan EEMD yang dimodifikasi dijalankan di MATLAB
lingkungan pada komputer laptop, yang memiliki CPU dual-core 2,4 GHz dan 2 GB RAM. Butuh metode EEMD asli
sekitar 100 detik untuk menyelesaikan tugas, sedangkan untuk metode MEEMD, 60 detik. Ini menunjukkan bahwa MEEMD
Metode ini tidak hanya efektif dalam menghilangkan pencampuran mode, tetapi juga secara komputasi lebih efisien daripada EEMD asli
metode.
Untuk mengevaluasi secara sistematis efisiensi komputasi dari metode MEEMD, data eksperimen diperoleh dari
bantalan yang cacat dengan cacat yang diunggulkan dengan diameter 1, 0,5, dan 0,1 inci pada jalur luar dan dalam dianalisis. Itu
bantalan diuji dengan kecepatan putar yang berbeda (masing-masing 600, 1200, dan 2100 rpm) dalam percobaan. Dalam Gambar. 28
Gbr. 22. Sinyal getaran diukur untuk bantalan yang sehat dan cacat.
Motor DC
Kopel
Batang
Blok Bantal
Akselerometer
Uji Bantalan
Silinder Hidrolik
Perekam Kecepatan
Gbr. 21. Sistem uji bantalan gulir.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2117

Halaman 15
dan 29 , waktu komputasi EEMD asli dan metode EEMD yang dimodifikasi dibandingkan satu sama lain. Lebih lanjut
rinciannya tercantum dalam Tabel 3 dan 4 . Terlihat bahwa persentase peningkatan efisiensi komputasi bervariasi dari
30% hingga 45%, tergantung pada kondisi operasi. Ini menunjukkan bahwa metode EEMD yang dimodifikasi umumnya berlaku
untuk meningkatkan efisiensi metode EEMD asli dalam penerapan diagnosis cacat bantalan.
Gbr. 24. Spektrum sinyal bantalan HHT didekomposisi oleh metode EMD.
-2
0
2
IMF1
-1
0
1
IMF2
-0.5
0
0,5
IMF3
-0.5
0
0,5
IMF5
-0.5
0
0,5
IMF4
-0.5
0
0,5
IMF6
-0.1
0
0,1
IMF7
0
10
20
30
40
-0,05
0
0,05
Waktu (ms)
IMF8
Sinyal (V)
-5
0
5
IMF1
-5
0
5
IMF2
-5
0
5
IMF3
-5
0
5
IMF4
-1
0
1
IMF5
-0.5
0
0,5
IMF6
0
10
20
30
40
-0.1
0
0,1
IMF7
Waktu (ms)
Sinyal (V)
Gbr. 23. IMF sinyal getaran dari dua bantalan didekomposisi oleh algoritma EMD. (Kiri: bantalan sehat; Kanan: bantalan rusak.)
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2118
 Halaman 16
Gambar 26. Spektrum sinyal bantalan HHT didekomposisi oleh metode EEMD: (a) Bantalan sehat dan (b) Bantalan rusak.
-2
0
2
IMF1
-1
0
1
IMF2
-0.5
0
0,5
IMF3
-0.5
0
0,5
IMF4
-0.5
0
0,5
IMF5
-0.5
0
0,5
IMF6
-1
0
1
IMF7
-0.5
0
0,5
IMF8
-0.5
0
0,5
IMF9
0
10
20
30
40
-0.2
0
0,2
IMF10
Waktu (ms)
Sinyal (V)
-10
0
15
IMF1
-5
0
5
IMF2
-5
0
5
IMF3
-10
0
10
IMF4
-2
0
2
IMF5
-2
0
2
IMF6
-1
0
1
IMF7
-0.5
0
0,5
IMF8
-0.1
0
0,1
IMF9
-0.1
0
0,1
IMF10
-0.5
0
0,5
IMF11
40
30
20
10
0
-0,05
0
0,05
IMF12
Waktu (ms)
Sinyal (V)
Gambar 25. IMF sinyal getaran dari dua bantalan didekomposisi oleh metode EEMD. (Kiri: bantalan sehat; kanan: bantalan rusak.)
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2119

Halaman 17
Gbr. 28. Perbandingan efisiensi komputasi antara metode EEMD dan MEEMD (sinyal getaran dari bantalan rol dengan cacat raceway luar).
Gbr. 27. Spektrum sinyal bantalan HHT didekomposisi dengan metode EEMD yang dimodifikasi: (a) Bantalan sehat dan (b) Bantalan rusak.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2120

Halaman 18
6. Kesimpulan
Metode dekomposisi mode empiris ensembel telah diselidiki untuk dekomposisi sinyal. Dua parameter
yang mempengaruhi kinerja metode EEMD: amplitudo dari kebisingan yang ditambahkan dan jumlah percobaan ensemble,
telah diselidiki secara sistematis menggunakan sinyal simulasi. Berdasarkan analisis, metode EEMD yang dimodifikasi, disebut
MEEMD, telah diusulkan. Metode ini menggunakan noise terbatas-band alih-alih white noise untuk memfasilitasi EEMD
Gbr. 29. Perbandingan efisiensi komputasi antara metode EEMD dan MEEMD (sinyal getaran dari bantalan rol dengan cacat raceway dalam).
Tabel 3
Biaya komputasi untuk penguraian sinyal getaran dari bantalan rol dengan cacat raceway luar.
Ukuran cacat
Kecepatan
600 rpm
1200 rpm
2100 rpm
Berarti
Std. (s)
Berarti
Std. (s)
Berarti
Std. (s)
1 (mm) EEMD
54.3
1.3
59.3
2.7
55.0
2.9
1 (mm) MEEMD
31.0
2
37.6
3.5
36.7
4.1
0,5 (mm) EEMD
50.3
3.7
50.2
3.6
53.6
2.9
0,5 (mm) MEEMD
29.4
2.1
30.0
4.5
34.2
3.8
0,1 (mm) EEMD
49.2
3.4
47.6
3.9
49.4
3.1
0,1 (mm) MEEMD
28.5
1.7
28.2
3.7
31.1
2.2
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2121

Halaman 19
proses perhitungan, dengan demikian meningkatkan efisiensi komputasi secara substansial. Studi banding menggunakan kedua sinyal tes
dan sinyal getaran yang diukur pada bantalan gelinding membuktikan bahwa metode EEMD lebih unggul daripada EMD tradisional
metode dalam hal menghilangkan pencampuran mode, sedangkan metode EEMD yang dimodifikasi, atau MEEMD, tidak hanya secara komputasi
lebih efisien, tetapi juga lebih efektif daripada algoritma EEMD. Sifat data-driven metode EEMD dan MEEMD
membuat mereka berpotensi cocok untuk aplikasi di mana konfigurasi ulang algoritma diperlukan untuk beradaptasi dengan lebih baik
lingkungan yang berubah.
Pengakuan
Karya ini didukung sebagian oleh National Science Foundation di bawah penghargaan EFRI-0735974. Dua penulis pertama
mengakui dana yang diberikan saat bekerja di Universitas Connecticut.
Referensi
[1] L. Satish, Fourier waktu-pendek dan transformasi wavelet untuk deteksi kesalahan pada transformator daya selama pengujian impuls, Prosiding Institute of
Engneering Listrik - Sains, Pengukuran dan Teknologi 145 (1998) 77-84.
[2] C. Wang, R. Gao, Transformasi wavelet dengan post-processing spektral untuk peningkatan ekstraksi fitur, Transaksi IEEE pada Instrumentasi dan
Pengukuran 52 (2003) 1296-1301.
[3] R. Yan, R. Gao, Pendekatan yang efisien untuk evaluasi kesehatan mesin berdasarkan transformasi paket wavelet harmonik, Robotika dan Komputer-Terintegrasi
Pabrikan 21 (2005) 291–301.
[4] NE Huang, S. Zheng, RL Steven, Dekomposisi mode empiris dan spektrum Hilbert untuk analisis deret waktu nonlinear dan non-stasioner,
Prosiding Royal Society of London 454 (1998) 903–995.
[5] NE Huang, Metode Baru Untuk Analisis Rangkaian Waktu Nonlinear Dan Non-Stasioner Dan Penerapannya Untuk Pemantauan Kesehatan Infrastruktur Sipil,
Pusat Penerbangan Luar Angkasa Goddard NASA, Greenbelt, Maryland 20771, AS.
[6] H. Li, X. Deng, H. Dai, Deteksi kerusakan struktural menggunakan metode kombinasi EMD dan analisis wavelet, Sistem Mekanik dan Sinyal
Memproses 21 (2007) 298–306.
[7] Q. Gao, C. Duan, H. Fan, Q. Meng, Memutar diagnosis kesalahan mesin menggunakan dekomposisi mode empiris, Sistem Mekanik dan Pemrosesan Sinyal
22 (2008) 1072-1081.
[8] VK Rai, AR Mohanty, Diagnosis kesalahan bantalan menggunakan FFT fungsi mode intrinsik dalam transformasi Hilbert-Huang, Sistem Mekanik dan Sinyal
Memproses 21 (2007) 2607–2615.
[9] Q. Du, S. Yang, Penerapan metode EMD dalam analisis getaran bantalan bola, Sistem Mekanik dan Pemrosesan Sinyal 21 (2007)
2634–2644.
[10] R. Yan, R. Gao, analisis sinyal getaran berbasis transformasi Hilbert-Huang untuk pemantauan kesehatan mesin, Transaksi IEEE tentang Instrumentasi dan
Pengukuran 55 (2006) 2320–2329.
[11] D. Pines, L. Salvino, Pemantauan kesehatan struktur satu dimensi menggunakan dekomposisi mode empiris dan transformasi Hilbert-Huang, dalam:
Prosiding SPIE, vol. 4701, 2002, hlm. 127–143.
[12] P. Flandrin, G. Rilling, P. Goncalves, dekomposisi mode empiris sebagai bank filter, IEEE Signal Processing Letters 11 (2004) 112-114.
[13] G. Rilling, P. Flandrin, P. Goncalves, dekomposisi mode empiris, noise Gaussian fraksional dan estimasi eksponen Hurst, IEEE International
Akustik, Pidato, dan Pemrosesan Sinyal 4 (2005) 489–492.
[14] J. Hadjileontiadis, Sebuah teknik baru untuk denoising suara paru-paru eksplosif - dekomposisi mode empiris dan filter dimensi fraktal, IEEE
Teknik di Kedokteran dan Biologi Majalah 26 (2007) 30-39.
[15] E. Neto, M. Custaud, C. Cejka, P. Abry, J. Frutoso, C. Gharib, P. Flandrin, Penilaian kontrol otonom kardiovaskular oleh mode empiris
dekomposisi, dalam: Prosiding Interpretasi Biosignal Lokakarya Internasional Keempat, Como, Italia, 2002.
[16] B. Weng, B. Velasco, K. Barner, EKG denoising berdasarkan dekomposisi mode empiris, dalam: Prosiding Northeast Tahunan ke-32 IEEE, 2006,
hlm. 135–136.
[17] NE Huang, Z. Shen, SR Long, Pandangan baru gelombang air nonlinier: spektrum Hilbert, Tinjauan Tahunan Mekanika Fluida 31 (1999)
417–457.
[18] NE Huang, MC WU, SR Long, S. Shen, W. Qu, P. Gloersen, KL Fan, Batas kepercayaan untuk dekomposisi mode empiris dan spektral Hilbert
analisis, Prosiding Royal Society of London 459 (2003) 2317–2345.
[19] R. Deering, JF Kaiser, Penggunaan sinyal masking untuk meningkatkan dekomposisi mode empiris, Prosiding Konferensi Internasional IEEE pada
Akustik, Pidato, dan Pemrosesan Sinyal 4 (2005) 485–488.
[20] H. Li, L. Yang, D. Huang, Studi karakter filtering tes intermittency dari transformasi Hilbert-Huang, Matematika dan Komputer dalam
Simulasi 70 (2005) 22-32.
Tabel 4
Biaya komputasi untuk penguraian sinyal getaran dari bantalan rol dengan cacat raceway dalam.
Ukuran cacat
Kecepatan
600 rpm
1200 rpm
2100 rpm
Berarti
Std. (s)
Berarti
Std. (s)
Berarti
Std. (s)
1 (mm) EEMD
46.5
2.7
55.8
3.6
52.1
3.8
1 (mm) MEEMD
28.3
1.8
31.8
3.0
31.9
2.9
0,5 (mm) EEMD
71.3
1.5
51.6
3.1
54.4
3.5
0,5 (mm) MEEMD
41.5
3.6
31.5
2.7
33.9
2.6
0,1 (mm) EEMD
48.4
3.6
51.8
3.9
52.5
3.0
0,1 (mm) MEEMD
29.0
2.9
30.4
2.2
31.2
3.2
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2122

Halaman 20
[21] Z. Wu, NE Huang, Ensemble dekomposisi mode empiris: metode analisis data berbantuan kebisingan, Kemajuan dalam Analisis Data Adaptif 1 (2009)
1–41.
[22] Z. Wu, NE Huang, Sebuah studi tentang karakteristik white noise menggunakan metode dekomposisi mode empiris, Prosiding Royal Society of
London 460 (2004) 1597–1611.
[23] Y. Lei, Z. He, Y. Zi, Penerapan metode EEMD untuk diagnosis kesalahan mesin berputar, Sistem Mekanik dan Pemrosesan Sinyal 23 (2009)
1327–1338.
[24] T. Harris, Analisis Bantalan Bergulir, John Wiley & Sons, New York, 1991.
J. Zhang et al. / Sistem Mekanik dan Pemrosesan Sinyal 24 (2010) 2104–2123
2123