Konventionelle Signalzerlegungsmethoden verlassen sich oft auf statische zeitliche Indikatoren für die Filtergestaltung und übersehen die periodische Frequenzbereichsstruktur von Signalen. Dieser Nachteil verbirgt die spektrale Zuweisung fehlerbezogener Frequenzen und verhindert die umfassende Erfassung diagnostischer Informationen. Um dieses Problem zu adressieren, schlägt dieser Artikel die v -Ramanujan-spektroskopische Signal-Rausch-Verhältnis ( v-RSSNR )-gesteuerte Moduszerlegung unter Berücksichtigung des Wirkungsspektrums (ISAMD) vor, eine Methode, die v-RSSNR als dynamisches Optimierungskriterium einführt. Während jeder Iteration passt der v -RSSNR-Index den verallgemeinerten Hüllenexponenten v dynamisch an und leitet damit die Aktualisierung der Filterparameter adaptiv in Richtung seiner optimalen Konfiguration. Dies ermöglicht eine kontinuierliche Verfeinerung der Antwort des Filters, um periodische Impulsbestandteile im Frequenzbereich zu verstärken. Darüber hinaus wird ein hybrides Kriterium, das Kreuzkorrelation und v-RSSNR kombiniert, verwendet, um redundante Komponenten zu eliminieren, sodass die resultierenden Modi hochkonzentrierte periodische Wirkungsinformationen beibehalten. Experimentelle Ergebnisse, die sich sowohl auf simulierte Signale als auch auf reale Fehlerdaten von Wälzlagern stützen, zeigen, dass ISAMD eine überlegene Leistung bei der Extraktion schwacher Fehlermerkmale unter rauschenden Bedingungen erzielt, was seine Wirksamkeit als adaptives und robustes Zerlegungsframework für die mechanische Fehlersuche bestätigt.
Li et al. (Mi,) haben diese Frage untersucht.