基于ITD-KICA盲分离降噪的滚动轴承故障特征提取

• 作者: 刘嘉辉 李剑飞 董辛旻
• 来源期刊: 机械传动
• 关键词: 滚动轴承 时间固有尺度分解(ITD) 核独立分量分析(KICA) 特征提取
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 试验分析
• 页码范围: 83-87
• 页数: 5页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.01.018

摘要

滚动轴承在实际工况下的故障信号和故障信息常常淹没于噪声中,传统的故障特征提取方法很难有效提取出轴承故障特征信息.因此,采用时间固有尺度分解(ITD)和核独立分量分析(KICA)相结合的信噪盲分离分析法降噪.对轴承信号进行ITD分解,根据相关系数将分解得到的PRC分量重组以及构建虚拟噪声通道,利用KICA解混实现故障信号与噪声信号分离,对信噪分离后的有效分量信号做包络谱的分析.通过仿真及轴承故障实验分析和对比表明,该方法能有效提取轴承的故障特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董辛旻		69	393	11.0	16.0
2	李剑飞		4	10	2.0	3.0
3	刘嘉辉		3	10	2.0	3.0