離心通風(fēng)機(jī)故障狀態(tài)的信號(hào)絕大多數(shù)是非平穩(wěn)、非線性的。應(yīng)用傳統(tǒng)的傅里葉變換方法分析時(shí)，就面對(duì)一個(gè)無法解決的問題：時(shí)域和頻域的局部化的矛盾，即無法在時(shí)域和頻域上同時(shí)得到信號(hào)的精確信息。傅里葉變換較為適合分析線性、平穩(wěn)的信號(hào)，并且它是一種整體積分變換，從全局角度對(duì)信號(hào)作分析。后來相繼提出的信號(hào)分析方法如：短時(shí)傅里葉變換、魏格納分布和小波變換等，都是建立在傅里葉變換的基礎(chǔ)之上的，并未有效地解決傅里葉變換中所存在的問題。因?yàn)樗鼈冄芯康那疤崾羌俣ㄐ盘?hào)為平穩(wěn)或分段平穩(wěn)，且受到不確定原理的限制，無法在時(shí)間域或頻率域上同時(shí)提供較高的信號(hào)分辨率，使得當(dāng)分析信號(hào)的振幅和頻率隨時(shí)間變化的情況下是有局限性的。

基于以上原因，Huang等人提出了全新的方法用于數(shù)據(jù)處理：經(jīng)驗(yàn)式分解法（EMD)，分解后產(chǎn)生一組固有模式函數(shù)(IMF)。對(duì)每一項(xiàng)IMF進(jìn)行希爾伯特變換(HT)，計(jì)算出瞬時(shí)頻率與瞬時(shí)幅值。該方法可以看作是利用EMD非線性或非平穩(wěn)的信號(hào)進(jìn)行預(yù)處理，然后將這些來自原始信號(hào)IMF做HT變換。該方法的信號(hào)分解具有唯一性，同時(shí)在時(shí)域和頻域中具有良好的局部化和自適應(yīng)性質(zhì)，因此非常適合分析九洲風(fēng)機(jī)廠離心通風(fēng)機(jī)故障信號(hào)。本文對(duì)從現(xiàn)場(chǎng)采集到的離心通風(fēng)機(jī)振動(dòng)信號(hào)進(jìn)行HHT處理，提取故障信號(hào)的特征。同時(shí)對(duì)HHT的幾個(gè)關(guān)鍵問題進(jìn)行改進(jìn)，確保提取特征的完備性，將得到的特征向量作為樣本輸人到GA-BP神經(jīng)網(wǎng)絡(luò)中，更有效地進(jìn)行學(xué)習(xí)，提高故障診斷率。