Resumen

El análisis de datos caóticos es importante en muchas áreas de la ciencia y la ingeniería. Sin embargo, las señales caóticas inevitablemente están contaminadas por ruido complicado en el proceso de recolección, lo que interfiere en gran medida con el análisis de identificación del caos. La vibración caótica es extremadamente no lineal y tiene un amplio rango de frecuencias; los métodos de filtrado lineal no son efectivos para la reducción de ruido de señales caóticas. Entonces se propuso un método mejorado de descomposición empírica en modos de ensamble (EEMD) basado en descomposición de valores singulares (SVD) y el método de filtrado Savitzky-Golay (SG). En primer lugar, se estimó la energía del ruido de la primera función de modo intrínseco (IMF) de nivel por un criterio, luego se utilizó SVD para extraer los detalles de la señal de la primera IMF, y se seleccionó el valor singular para reconstruir la IMF de acuerdo con la energía de ruido de la primera

• Materias:Degradación acelerada Fatiga estructural Proceso de compresión Metodología de detección Movimiento caótico
• Subjects:Accelerated degradation Structural fatigue Compression process Detection methodology Chaotic motion
• Palabras claves:Análisis de datos caóticos; Reducción de ruido; Descomposición en modos empíricos de conjunto; Descomposición en valores singulares; Filtrado de Savitzky-Golay; Extracción de señales
• Keywords:Chaotic data analysis; Noise reduction; Ensemble empirical mode decomposition; Singular value decomposition; Savitzky-Golay filtering; Signal extraction