基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

• 作者: 刘同义 王营博 许同乐 郑店坤 陈康
• 来源期刊: 北京邮电大学学报
• 学科: 工学
• 关键词: 局部均值分解 独立成分分析 故障特征提取 故障诊断
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 111-116
• 页数: 6页
• 分类号: TH133.33|TH165.3
• 语种: 中文
• DOI: 10.13190/j.jbupt.2017.01.020

摘要

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘同义	山东理工大学机械工程学院	18	28	3.0	5.0
2	许同乐	山东理工大学机械工程学院	73	684	12.0	23.0
3	陈康	山东理工大学机械工程学院	5	16	3.0	3.0
4	王营博	山东理工大学机械工程学院	8	26	4.0	4.0
5	郑店坤	山东理工大学机械工程学院	4	15	2.0	3.0