典型文献
EEMD-ICA联合降噪的旋转机械故障信号检测方法
文献摘要：
针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法.首先,运用EEMD理论将振动信号分解为一系列的固有模态函数(Intrinsic Mode Function,IMF),然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号,引入虚拟噪声通道;最后,通过FastICA算法将噪声与故障特征信号进行分离,并对分离出的有用信号进行频谱分析,突显故障频率.通过仿真信号验证所提出方法的有效性,并将其应用于轴承的内外圈故障识别,与传统的EEMD-WTD降噪方法对比,结果表明:所提出的方法能提取出清晰微弱故障特征信号,对低频噪声的抑制效果明显优于EEMD-WTD方法.
文献关键词：
故障诊断;独立成分分析;聚合经验模态分解;微弱信号检测
中图分类号：
作者姓名：
高康平;徐信芯;焦生杰;师宁
作者机构：
长安大学 工程机械系公路养护装备国家工程实验室, 西安 710064;河南省高远公路养护技术有限公司, 河南 新乡 453000
文献出处：
引用格式：
[1]高康平;徐信芯;焦生杰;师宁-.EEMD-ICA联合降噪的旋转机械故障信号检测方法)[J].噪声与振动控制,2022(02):95-101
A类：
B类：
EEMD,联合降噪,旋转机械故障,故障信号,淹没,聚合经验模态分解,Ensemble,Empirical,Mode,Decomposition,独立成分分析,Independent,Component,Analysis,故障特征提取,振动信号,信号分解,固有模态函数,Intrinsic,Function,IMF,观测信号,FastICA,特征信号,行频,频谱分析,故障频率,轴承,内外圈,故障识别,WTD,降噪方法,方法对比,出清,微弱故障,低频噪声,抑制效果,微弱信号检测
AB值：
0.385773
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
