一种基于SST-MOM的改进形态成分分析算法及其应用

• 作者: 关贞珍 杨杰 王彦刚 田昊 郑海起
• 来源期刊: 机械传动
• 关键词: 形态成分分析 盲源分离 齿轮箱 复合故障诊断 半软阈值
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 试验分析
• 页码范围: 93-98
• 分类号: TH132.41|TH165.3
• 语种: 中文
• DOI: 10.3969/j.issn.1004-2539.2012.06.025

摘要

形态成分分析(MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,其扩展算法GMCA(Generalized MCA)可用于超定和欠定情形的盲源分离.为了降低GMCA算法中重构信号的均方差,提高分离信号的精度,将半软阈值函数和MOM阈值更新机制相结合,提出了SST - MOM( Semi- soft Thresholding MOM)阈值更新策略,仿真结果表明,新算法较原GMCA算法提高了分离信号的信噪比,将其应用于齿轮箱复合故障诊断中,有效地识别出了两路观测信号中的3种故障,表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	关贞珍		5	60	3.0	5.0
2	郑海起		8	90	4.0	8.0
3	王彦刚		5	66	3.0	5.0
4	杨杰		5	66	3.0	5.0
5	田昊		1	3	1.0	1.0