独立分量分析-经验模态分解特征提取在水电机组振动信号中的应用

• 作者: 周建中 朱文龙 李超顺 肖剑 肖汉
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 特征提取 独立分量分析(ICA) 经验模态分解(EMD) 水电机组 故障诊断
• 年，卷（期）: 2013,（29）
• 所属期刊栏目: 动力机械与工程
• 页码范围: 95-101
• 页数: 7页
• 分类号: TM6|TP307|TM312
• 字数: 4016字
• 语种: 中文

摘要

提取出水电机组振动信号中故障特征和微弱征兆信号，可以更好地了解机组的运行状态和故障发展趋势，但由于水电机组多源振动信号的相互混叠，信号呈现出非线性、非平稳性，故障特征信号提取是该领域的一个难题。为此该文提出了一种基于独立分量分析(independent component analysis ， ICA)和经验模态分解(empirical mode decomposition，EMD)的特征提取新方法(ICA-EMD)。首先，用 ICA 将多通道振动信号分离成为统计独立分量；然后，对这些统计独立分量做自相关分析，消除环境噪声的影响；最后，对消噪后的所有统计独立分量统计逐一进行EMD分解，并将各个统计独立分量内蕴的同频本征模态函数进行累加重构，最终提取出能表征机组故障的本征模态函数。仿真信号和实测信号的试验验证表明，与其他方法相比，该方法在提取故障早期信号、微弱信号和突变信号方面更具优越性和有效性，提取结果更能满足实际工程应用需求。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建中	华中科技大学水电与数字化工程学院	395	5250	35.0	50.0
2	李超顺	华中科技大学水电与数字化工程学院	35	493	14.0	21.0
3	肖剑	华中科技大学水电与数字化工程学院	22	355	11.0	18.0
4	肖汉	华中科技大学水电与数字化工程学院	11	227	8.0	11.0
5	朱文龙	华中科技大学水电与数字化工程学院	5	117	3.0	5.0