提出了基于局部均值分解(Local mean decomposition,简称 LMD)和 AR模型 相结合的转子系统故障诊断方法 。该方法先用 LMD方法将转子振动信号分解成若干个瞬 时频率具有物理意义的PF(Product function,简称PF)分量之和,然后对每一个 PF分量建 立AR模型,提取模型参数和残差方差作为故障特征向量,并以此作为神经网络分类器的输 入来识别转子的工作状态和故障类型 。与EMD方法的对比研究表明,这两种方法均能有效 地应用于转子系统的故障诊断 。但LMD方法信号分解后
