近日，机械与汽车工程学院刘新田教授指导研究生孙浩天在中科院一区期刊《Mechanical Systems and Signal Processing》（2025，IF=8.9）上发表了题为“Improved mode decomposition method for vibration signal denoising of aero-engine shaft bearing”的研究论文。
研究成果针对传统模态分解降噪方法存在的模态混叠、容易滤除重要信号信息以及面对复杂信号的噪声处理需要结合多种模态筛选准则的问题，提出了一种改进的模态分解降噪方法（QBNE-CEEMDAN）。该方法通过将使用完全自适应噪声集合经验模态分解处理后的每个模态进行分位数噪声估计，以此得到每个所对应的估计噪声，最后将滤除了这些噪声的模态进行重构来得到降噪后的信号。该方法在尽可能保留信号信息的同时，一定程度上滤除了每个模态中存在的噪声，并且不需要通过多种准则来进行模态的筛选，降低了计算量，提高了信号降噪处理的效率。研究试验发现，QBNE-CEEMDAN处理非平稳噪声和低振幅的脉冲噪声具有优异的降噪效果和鲁棒性，同时对于航空发动机主轴轴承振动信号的处理也展示出优异的降噪性能。该研究不仅拓展了分位数噪声估计在机械振动降噪领域的应用，也为机械故障诊断和信号处理领域的工程发展提供了新的思路。
刘新田教授为通讯作者，2023级硕士生孙浩天为第一作者。本研究得到了国家自然科学基金（52172371）和上海市科学技术委员会（21XD1401100）（18DZ2295900）的支持与资助。
刘新田教授还指导研究生孙浩天在中科院二区期刊《International Journal of Damage Mechanics》（2025，IF=3.9）上发表研究成果“Composite probability distribution for fatigue life prediction of API X65 steel via Vickers hardness”，提出了一种基于复合概率分布的改进自举法。指导研究生郑庆鸿在期刊《Fatigue & Fracture of Engineering Materials & Structures》（2025，IF=3.2）上发表研究成果“Thermodynamic entropy for improved LCF prediction method of metal materials considering heat conduction”，提出了一种考虑热传导的金属材料LCF预测方法。