基于HHT-DDKICA和支持矢量数据描述方法的提升机故障监测

• 作者: 任世锦 刘小平 徐桂云 杨茂云
• 来源期刊: 机械工程学报
• 学科: 工学
• 关键词: 希尔伯特-黄变换 数据依赖核独立分量分析 特征提取 支持矢量数据描述 故障监测
• 年，卷（期）: 2012,（23）
• 所属期刊栏目: 机械动力学
• 页码范围: 65-75
• 页数: 11页
• 分类号: TP274
• 字数: 8041字
• 语种: 中文
• DOI: 10.3901/JME.2012.23.065

摘要

分析提升机振动信号特征抽取和故障监控存在的问题,提出基于HHT-DDKICA和支持矢量数据描述(Support vector data description,SVDD)相结合的提升机故障监控方法.该方法通过滤波器把振动信号分解到感兴趣的子频带,使用希尔伯特-黄变换(Hilbert-Huang transform,HHT)把子频带信号分解为多个内蕴模式函数(Intrinsic mode functions,IMFs),给出HHT去噪方法以及基于信号能量准则的IMFs选择方法,保证选取IMFs的有效性.针对单个IMF往往包含多个非线性源振动信号成分的问题,提出数据依赖核独立分量分析(Data dependent kernel independent component analysis,DDKICA)算法对源振动信号进行分离.该方法不仅能够根据数据集确定合适的核函数,而且在经验特征空间中使用DDKICA模型选择准则选择最优模型参数.根据从DDKICA抽取的时频特征分布情况,提出使用SVDD模型构造新的统计量并确定其统计控制限.提升机应用研究表明,该方法能够及时发现运转过程出现的异常情况.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂云	中国矿业大学机电工程学院	82	290	9.0	14.0
2	刘小平	中国矿业大学机电工程学院	11	26	3.0	5.0
3	杨茂云	中国矿业大学机电工程学院	20	25	3.0	4.0
5	任世锦	江苏师范大学计算机学院	11	22	3.0	4.0