-
题名基于EMD与ICA的滚动轴承复合故障诊断
被引量：21
- 1
-
-
作者
崔玲丽
吴春光
邬娜
-
机构
北京工业大学机械工程与应用电子技术学院先进制造技术北京市重点实验室
-
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2014年第10期1459-1464,共6页
-
基金
国家自然科学基金资助项目(51175007)
-
文摘
针对单通道情况下滚动轴承复合故障难以分离问题,提出基于经验模式分解(empirical mode decomposition,EMD)的独立分量分析(independent component analysis,ICA)算法.该方法首先对单通道采集的轴承复合故障信号进行EMD分解,得到多个基本模式分量函数(intrinsic mode function,IMF),然后依据帩度指标及相关系数值,选取有效的IMF分量与原观测信号组成新的观测信号,对其进行ICA处理,进而实现轴承复合故障的分离.实验结果表明,该方法可有效地分离轴承早期的复合故障.
-
关键词
经验模式分解
独立分量分析
峭度指标
滚动轴承复合故障诊断
-
Keywords
empirical mode decomposition （EMD）
independent component analysis （ICA）
kurtosis
composite fault diagnosis of rolling bearings
-
分类号
TH16
[机械工程—机械制造及自动化]
-
-
题名基于IVMD的单通道盲源分离方法及其应用
被引量：6
- 2
-
-
作者
汤杰
陈剑
杨斌
-
机构
合肥工业大学噪声振动研究所
安徽省汽车NVH技术研究中心
-
出处
《组合机床与自动化加工技术》
北大核心
2018年第7期25-30,共6页
-
基金
安徽省科技重大专项资助项目(17030901049)
-
文摘
针对机械振动信号单通道盲源分离问题,提出了一种融合改进变分模态分解与时频分析的单通道信号盲源分离方法,并将其应用于滚动轴承复合故障的诊断中。该方法首先针对变分模态分解(Variational Mode Decomposition)过程中的层数选取问题,提出了一种根据谱相关系数确定分解层数的改进变分模态分解方法(Improved Variational Mode Decomposition,IVMD)。其次,采用改进变分模态分解对观测的单通道机械振动信号进行处理,得到一系列有限带宽固有模态函数(Band-limited Intrinsic Mode Functions,BLIMFs);然后,将原信号与得到的固有模态分量及其残余项组成虚拟多维观测信号,以突破传统盲源分离方法要求传感器数目必须大于或等于分离出的分量数目限制,并利用奇异值分解估计振源的数目。最后,根据振源数目选择与原信号谱相关系数较大的BLIMFs分量,并将分解残余项作为单独分量,重组虚拟多通道观测信号。采用基于时频分析的盲源分离算法实现非平稳信号的盲源分离;仿真和实验结果表明,该方法能够有效提高非平稳振动信号的分离精度,实现滚动轴承复合故障的诊断。
-
关键词
变分模态分解
时频分析
单通道盲源分离
滚动轴承复合故障诊断
-
Keywords
variational mode decomposition
time frequency analysis
single-channel blind source separation
composite fault diagnosis of rolling bearings
-
分类号
TH17
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
