应用独立分量分析提取机器的状态特征

被引:15
作者
李力
屈梁生
机构
[1] 西安交通大学机械工程学院
[2] 西安交通大学机械工程学院 西安
[3] 西安
关键词
独立分量分析; 机器状态; 特征提取; 自相关;
D O I
暂无
中图分类号
TP14 [自动信息理论];
学科分类号
摘要
以大型轧钢机和滚动轴承试验台为研究对象,应用独立分量分析方法来分离机器的声音信号,并提取其状态特征.同时指出,对信号进行自相关预处理,可以突出信号的非高斯成分,较好地满足独立分量分析的前提条件,即源信号统计独立.因此,采用基于峭度的快速独立分量分析(ICA)算法,成功地分离出了信号的一些独立成分及对应的发声零部件.研究结果表明,根据信号结构选择预处理的方法十分重要,正确的预处理可以使独立分量分析有效地提取机械信号中的特征.
引用
收藏
页码:45 / 48
页数:4
相关论文
共 3 条
  • [1] 机械故障诊断学.[M].屈梁生;何正嘉 编著.上海科学技术出版社.1986,
  • [2] 一种提高诊断信息质量的方法
    张海军
    温广瑞
    屈梁生
    [J]. 西安交通大学学报, 2002, (03) : 295 - 299
  • [3] 基于独立分量分析的混合声音信号分离
    吴小培
    冯焕清
    周荷琴
    王涛
    [J]. 中国科学技术大学学报, 2001, (01) : 71 - 76