基于VMD与FastICA的滚动轴承故障诊断

• 作者: 刘秀丽 张雪英 栾忠权
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 变分模态分解 快速独立成分分析 故障诊断 滚动轴承
• 年，卷（期）: 2018,（5）
• 页码范围: 28-33,87
• 页数: 7页
• 分类号: TH133.33
• 字数: 3179字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2018.05.006

摘要

针对滚动轴承故障成分易被强背景噪声淹没,造成故障特征提取困难的问题,提出了一种采用变分模态分解(variational mode decomposition,VMD)与基于负熵的快速独立成分分析(fast independent component analysis,FastICA)相结合的故障诊断方法.利用经验模态分解(empirical mode decomposition,EMD)确定VMD模态数n,采用VMD将目标信号分解为n个模态分量;以连续的3个分量为一序列组合进行FastICA分析,从每组结果中选取一个最优分量,共n-2个;重构故障信号并进行Hilbert包络谱分析.通过试验分析并与EMD-FastICA方法、单一VMD方法比较,结果表明该方法能够更加清晰准确地提取故障特征信息,可用于轴承故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	栾忠权	北京信息科技大学现代测控技术教育部重点实验室	50	129	6.0	8.0
2	张雪英	北京信息科技大学现代测控技术教育部重点实验室	9	31	2.0	5.0
3	刘秀丽	北京信息科技大学现代测控技术教育部重点实验室	21	81	4.0	8.0