基于流形学习的滚动轴承故障盲源分离方法

• 作者: 于晓光 李宏坤 王奉涛 王雷 薛宇航
• 来源期刊: 振动、测试与诊断
• 学科: 工学
• 关键词: 滚动轴承 盲源分离 流形学习 协方差矩阵 源信号
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 论文
• 页码范围: 43-47
• 页数: 5页
• 分类号: TH165.3|TH17
• 字数: 2995字
• 语种: 中文
• DOI: 10.16450/j.cnki.issn.1004-6801.2020.01.007

摘要

滚动轴承的故障信号是一种典型的非线性非平稳信号,其信号中常常混有噪声信号及其他干扰成分.提出了一种基于流形学习的滚动轴承故障盲源分离方法,首先,利用经验模态分解(empirical mode decomposition,简称EMD)对单通道模拟信号进行分解,对得到的多通道信号构造其协方差矩阵,计算矩阵的奇异值下降速比得到原始信号数目;其次,利用峭度等指标选择最优观测信号,利用核主成分分析(kernel principal components analysis,简称KPCA)提取信号的流形成分;最后,利用快速独立成分分析(fast independent component analysis,简称FastICA)还原得到源信号.该方法不但解决了故障信号的欠定盲源分离问题,还提出了最优观测信号的确定准则,并通过实例验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于晓光	辽宁科技大学机械工程与自动化学院	45	128	7.0	9.0
2	李宏坤	大连理工大学机械工程学院	95	684	15.0	21.0
3	王雷	大连理工大学机械工程学院	41	171	8.0	12.0
4	薛宇航	大连理工大学机械工程学院	3	1	1.0	1.0
5	王奉涛	汕头大学机械工程系	4	1	1.0	1.0