Page 182 - 《振动工程学报》2026年第3期

782 振 动 工 程 学 报 第 39 卷

机械故障诊断中。WAWD 通过非线性拟合以及构 nonlinear and non-stationary time series analysis［J］.
建时变波形函数，将复杂信号分解成多个时变波形 Proceedings： Mathematical， Physical and Engineering
分量，有效地提高了分解精度；通过小波阈值降噪， Sciences，1998，454（1971）： 903-995.
［9］ YUAN J， XU C， ZHAO Q， et al. High-fidelity noise-
减少了噪声对于分解结果的干扰，提高了 WAWD
reconstructed empirical mode decomposition for me⁃
方法的噪声鲁棒性。将该方法应用于仿真信号以及
chanical multiple and weak fault extractions［J］. ISA
滚动轴承故障信号试验，结果表明，WAWD 方法具
Transactions， 2022，129（Pt.B）： 380-397.
有更强的噪声鲁棒性，能够有效地提取故障信息，具
［10］ DRAGOMIRETSKIY K， ZOSSO D. Variational mode
有更优越的故障诊断能力。 decomposition［J］. IEEE Transactions on Signal Process⁃
ing： a Publication of the IEEE Signal Processing Society，
参考文献: 2014， 62（3）： 531-544.
［11］ 周小龙，徐鑫莉，王尧，等 . 基于变分模态分解和最大
重叠离散小波包变换的齿轮信号去噪方法［J］. 振动与
［1］ YING W M， ZHENG J D， PAN H Y， et al. Permuta⁃
冲击，2021，40（12）：265-274．
tion entropy-based improved uniform phase empirical
ZHOU Xiaolong， XU Xinli， WANG Yao， et al. A
mode decomposition for mechanical fault diagnosis［J］.
gear signal de-noising method based on variational mode
Digital Signal Processing，2021，117： 103167.
［2］ 陈是扦，彭志科，周鹏 . 信号分解及其在机械故障诊断 decomposition and maximal overlap discrete wavelet
中的应用研究综述［J］. 机械工程学报，2020，56（17）： packet transform［J］. Journal of Vibration and Shock，
91-107． 2021，40（12）： 265-274.
［12］ NAZARI M， SAKHAEI S M. Successive variational
CHEN Shiqian， PENG Zhike， ZHOU Peng. Review
mode decomposition［J］. Signal Processing，2020，174：
of signal decomposition theory and its applications in
107610.
machine fault diagnosis［J］. Journal of Mechanical Engi⁃
［13］ COLOMINAS M A， WU H T. Decomposing non-sta⁃
neering，2020，56 （17）： 91-107.
［3］ 郑近德，应万明，潘海洋，等 . 基于改进全息希尔伯特 tionary signals with time-varying wave-shape functions
谱分析的旋转机械故障诊断方法［J］. 机械工程学报， ［J］. IEEE Transactions on Signal Processing，2021，
2023，59（1）：162-174． 69： 5094-5104.
［14］ WEI S， YANG Y， DU M G， et al. Varying wave-
ZHENG Jinde， YING Wanming， PAN Haiyang， et al.
shape component decomposition： algorithm and applica⁃
Improved Holo-Hilbert spectrum analysis-based fault di⁃
tions［J］. IEEE Transactions on Industrial Electronics，
agnosis method for rotating machines［J］. Journal of Me⁃
2022，70（10）： 10648-10658.
chanical Engineering，2023，59（1）： 162-174.
［15］ RUIZ J， SCHLOTTHAUER G， VIGNOLO L， et al.
［4］ DURAK L， ARIKAN O. Short-time Fourier trans⁃
Fully adaptive time-varying wave-shape model： applica⁃
form： two fundamental properties and an optimal imple⁃
mentation［J］. IEEE Transactions on Signal Processing， tions in biomedical signal processing［J］. Signal Process⁃
ing，2024，214： 109258.
2003，51（5）：1231-1242.
［16］ ZHAO C， ZIO E， SHEN W M. Domain generalization
［5］ RIOUL O， VETTERLI M. Wavelets and signal pro⁃
for cross domain fault diagnosis： an application-oriented
cessing［J］. IEEE Signal Processing Magazine，1991，8
perspective and a benchmark study［J］. Reliability Engi⁃
（4）： 14-38.
neering & System Safety， 2024， 245： 109964.
［6］ MALLAT S G. A theory for multiresolution signal de⁃
［17］ 程健，程军圣，李鑫，等 . 增强 Ramanujan 模态分解方法
composition： the wavelet representation［J］. IEEE Trans⁃
及其在滚动轴承故障诊断中的应用［J］. 机械工程学
actions on Pattern Analysis and Machine Intelligence，
报，2022，58（19）：130-138．
1989， 11（7）： 674-693
［7］ 李恒，张氢，秦仙蓉，等 . 基于短时傅里叶变换和卷积 CHENG Jian， CHENG Junsheng， LI Xin， et al. En⁃
神经网络的轴承故障诊断方法［J］. 振动与冲击，2018， hanced Ramanujan mode decomposition method and its
37（19）：124-131． application to rolling bearing fault diagnosis［J］. Journal
LI Heng， ZHANG Qing， QIN Xianrong， et al. Fault di⁃ of Mechanical Engineering，2022，58（19）： 130-138.
agnosis method for rolling bearings based on short-time
第一作者: 齐鹏宇（1999—），男，硕士研究生。
Fourier transform and convolution neural network［J］.
E-mail：15256051025@163.com
Journal of Vibration and Shock，2018，37（19）： 124-131.
通信作者：郑近德（1986—），男，博士，教授。
［8］ HUANG N E， SHEN Z， LONG S R， et al. The em⁃
pirical mode decomposition and the Hilbert spectrum for E-mail：lqdlzheng@126.com