基于EEMD和DTW相结合的故障识别算法

提出了一种集成的经验模式分解(EEMD)算法和动态时间规整(DTW)算法相结合的故障识别算法。该算法首先利用正态分布白噪声在经验模式分解中具有的二进尺度分解特性,利用EEMD算法对实验样本与参考样本进行处理以去掉样本信号的非平稳性和噪声,然后对未知的实验样本与已知的参考样本之间的相似性利用DTW算法进行评价,采用它们之间的最短距离来进行分类,从而达到故障识别。最后将此算法应用到Tennessee Eastman过程的故障识别中。仿真结果表明基于EEMD和DTW相结合的算法能够准确地进行故障识别,而仅采用普通的DTW算法则存在一定的误差。