Print

基于CEEMD和FastICA的滚动轴承故障诊断研究

论文摘要

由于滚动轴承振动信号易受噪声干扰的影响、故障特征提取较为困难。为此,提出了一种基于互补集合经验模态分解(CEEMD)和快速独立分量分析(Fast ICA)的轴承故障特征提取方法。该方法首先利用CEEMD算法将原故障振动信号进行分解运算,得到一系列模态分量(IMF);然后依据峭度准则选取一些模态分量来完成观测信号的重构,剩余其他的模态分量完成虚拟噪声通道信号的重构;再利用Fast ICA方法对重构信号进行降噪;引入Teager能量算子(TKEO)对降噪后的信号进行解调处理;最后对解调后的信号进行快速傅里叶变换(FFT)运算,分析变换后信号的频谱特征,提取出原信号的故障特征频率。将该方法应用到滚动轴承故障实际数据中,实验结果表明,该方法可以有效提取出滚动轴承故障的基频和倍频特征信息。

论文目录

  • 0 引言
  • 1 算法基本原理
  •   1.1 CEEMD算法原理
  •   1.2 峭度准则
  •   1.3 评价指标
  •   1.4 Fast ICA算法原理
  •   1.5 Teager能量算子 （TKEO） 分析方法
  • 2 基于CEEMD与FastICA的轴承故障诊断方法
  • 3 实验分析
  •   3.1 基于CEEMD与FastICA的滚动轴承故障诊断方法实验
  •   3.2 对比实验
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 吴涛,姜迪,吴建德,马军

    关键词: 互补集合经验模态分解,快速独立分量分析,能量算子,故障诊断

    来源: 电子测量与仪器学报 2019年04期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 机械工业

    单位: 昆明理工大学信息工程与自动化学院,云南省矿物管道输送工程技术研究中心

    基金: 国家自然科学基金(51765022,61663017)资助项目

    分类号: TH133.33

    DOI: 10.13382/j.jemi.B1901970

    页码: 186-194

    总页数: 9

    文件大小: 619K

    下载量: 208

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/8aebb97527cd4822334b5478.html