典型文献
全矢与SGMD-FastICA的轴承故障诊断
文献摘要：
针对滚动轴承故障诊断中存在的故障信号特征不全面且易被噪声污染等问题,基于全矢和辛几何模态分解(SGMD),提出了全矢与SGMD-FastICA方法.首先,使用SGMD对水平方向X和竖直方向Y的故障信号进行分解,并通过综合指标将分解信号分为故障重构信号和噪声重组信号;其次,通过FastICA实现对故障重构信号与噪声重组信号的盲源分离;最后,利用全失谱技术对水平方向和竖直方向的盲源分离的有效分量进行融合,并使用Teager能量算子(TEO)对全矢融合信号进行解调分析.通过对滚动轴承振动信号的实验和对比分析,验证了所提方法的优越性和可靠性,在滚动轴承故障诊断领域具有一定的实用价值.
文献关键词：
故障诊断;滚动轴承;辛几何模态分解;全失谱
中图分类号：
作者姓名：
曹亚磊;杜应军;韦广;董辛旻;刘洋
作者机构：
郑州大学振动工程研究所,郑州 450001;叶县国博大石崖风力发电有限公司,平顶山 467000
文献出处：
引用格式：
[1]曹亚磊;杜应军;韦广;董辛旻;刘洋-.全矢与SGMD-FastICA的轴承故障诊断)[J].组合机床与自动化加工技术,2022(04):79-82,87
A类：
全失谱
B类：
SGMD,FastICA,滚动轴承故障诊断,故障信号,信号特征,噪声污染,辛几何模态分解,竖直,综合指标,故障重构,重构信号,盲源分离,Teager,能量算子,TEO,融合信号,解调分析,滚动轴承振动信号
AB值：
0.265562
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。
