基于FastICA-EEMD的振动信号特征提取

• 作者: 党建 武桦 董开松 贾嵘 赵佳佳
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 水轮发电机组 振动信号 快速独立分量分析 集合经验模态分解 本征模态分量 特征提取
• 年，卷（期）: 2017,（3）
• 页码范围: 63-70
• 页数: 8页
• 分类号: TM312
• 字数: 5879字
• 语种: 中文
• DOI: 10.11660/slfdxb.20170308

摘要

针对水轮发电机组的振动信号之间相互影响且容易受到噪声干扰的问题,提出了一种基于快速独立分量分析(FastICA)和集合经验模态分解(EEMD)的故障特征提取方法.首先,利用快速独立分量分析将原始信号分离成若干个独立分量;然后对每个分量均进行集合经验模态分解,根据归一化能量与归一化相关系数两个参数来选取有效的本征模态分量(IMF);最后将其进行重构以获得对应的故障特征.通过仿真与实例分析,并与其他方法进行对比,结果表明该方法可以有效抑制噪声干扰,更为全面、准确地提取到水轮发电机组的振动特征信号,满足实际工程需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾嵘	西安理工大学水利水电学院	101	1600	21.0	37.0
2	董开松		21	125	6.0	10.0
3	武桦	西安理工大学水利水电学院	16	102	6.0	9.0
4	党建	西安理工大学水利水电学院	10	52	4.0	7.0
5	赵佳佳	西安理工大学水利水电学院	3	11	2.0	3.0