基于ICEEMD-FastICA的滚动轴承故障诊断方法

TH165+.3; 针对滚动轴承早期故障特征信号提取困难的问题,提出了一种改进完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition,ICEEMD)和独立分量分析(Independent Component Analysis,ICA)联合故障诊断方法.该方法利用峭度准则将经ICEEMD得到的固有模态分量(Intrinsic Mode Function,IMF)重构后结合快速独立分量分析(Fast Independent Component Analysis,FastICA)进行降噪解混,明显降低被测信号中的噪声,并且...

Full description

Saved in:
Bibliographic Details
Published in机械强度 Vol. 46; no. 2; pp. 281 - 285
Main Authors 马卫平, 洪昆玥, 安宁, 宋宇宙
Format Journal Article
LanguageChinese
Published 郑州机械研究所有限公司,郑州 450001%机械工业第六设计研究院有限公司,郑州 450007 2024
Subjects
Fault diagnosis
故障诊断
Noise reduction
独立分量分析
Independent component analysis
盲源分离
Blind source separation
改进完备集成经验模态分解
Improved complete ensemble empirical mode decomposition
降噪
Online AccessGet full text
ISSN1001-9669
DOI10.16579/j.issn.1001.9669.2024.02.004

Cover

More Information
Summary:TH165+.3; 针对滚动轴承早期故障特征信号提取困难的问题,提出了一种改进完备集成经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition,ICEEMD)和独立分量分析(Independent Component Analysis,ICA)联合故障诊断方法.该方法利用峭度准则将经ICEEMD得到的固有模态分量(Intrinsic Mode Function,IMF)重构后结合快速独立分量分析(Fast Independent Component Analysis,FastICA)进行降噪解混,明显降低被测信号中的噪声,并且在故障特征频率处能量幅值取得最大值,便于辨识故障特征.通过试验研究分析,表明该方法可以明显降低噪声干扰,突出故障频率成分.和ICEEMD与包络谱结合的方法对比,信噪比提高了 29.54％,能更准确地识别故障特征,达到对滚动轴承故障的判别需求,从而为轴承故障特征提取提供了一种新思路.
ISSN:1001-9669
DOI:10.16579/j.issn.1001.9669.2024.02.004