EWT和ICA联合降噪在轴承故障诊断中的应用

被引：54

作者：

吕跃刚

何洋洋

机构：

[1] 华北电力大学控制与计算机工程学院

来源：

振动与冲击 | 2019年 / 38卷 / 16期

关键词：

滚动轴承; 故障诊断; 降噪; 经验模态分解(EWT); 独立分量分析(ICA);

D O I：

10.13465/j.cnki.jvs.2019.16.007

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

在强背景噪声下提取非平稳振动信号的微弱故障特征时,系统信号和干扰噪声在频带互相混叠难以分离,传统消噪方法存在较大局限。为此提出一种基于经验小波变换(EWT)和独立分量分析(ICA)联合降噪的方法。利用EWT算法将振动信号进行分解,避免了经验模态分解(EMD)和总体经验模态分解(EEMD)存在的模态混叠和端点效应;依据峭度及相关系数准则选取相应分量,引入虚拟噪声通道;利用ICA对重组信号进行解混去噪,分离出源信号后进行Hilbert包络解调,提取故障特征频率,实现故障诊断。通过对实际轴承信号的分析,验证了该方法不仅对时变、非平稳的强噪声干扰具有较好的消除效果,还能更清晰、准确地提取故障特征信息。

引用

页码：42 / 48+70 +70

页数：8

共 9 条

[1]

VMD和ICA联合降噪方法在轴承故障诊断中的应用 [J].

马增强 ;

柳晓云 ;

张俊甲 ;

王建东 .

振动与冲击, 2017, 36 (13) :201-207

[2]

基于经验小波变换的振动信号分析 [J].

陈学军 ;

杨永明 .

太阳能学报, 2017, 38 (02) :339-346

[3]

LMD-ICA联合降噪方法在滚动轴承故障诊断中的应用 [J].

卞家磊 ;

朱春梅 ;

蒋章雷 ;

吕俊燕 .

中国机械工程, 2016, 27 (07) :904-910

[4]

基于EEMD与FastICA的损伤异常识别与定位 [J].

姜绍飞 ;

陈志刚 ;

沈清华 ;

吴铭昊 ;

麻胜兰 .

振动与冲击, 2016, 35 (01) :203-209

[5]

基于经验小波变换的机械故障诊断方法研究 [J].

李志农 ;

朱明 ;

褚福磊 ;

肖尧先 .

仪器仪表学报, 2014, 35 (11) :2423-2432

[6]

基于EMD与ICA的滚动轴承复合故障诊断 [J].

崔玲丽 ;

吴春光 ;

邬娜 .

北京工业大学学报, 2014, 40 (10) :1459-1464

[7]

An adaptive and tacholess order analysis method based on enhanced empirical wavelet transform for fault detection of bearings with varying speeds.[J].Yue Hu;Xiaotong Tu;Fucai Li;Hongguang Li;Guang Meng.Journal of Sound and Vibration.2017,

[8]

A new compound faults detection method for rolling bearings based on empirical wavelet transform and chaotic oscillator.[J].Yu Jiang;Hua Zhu;Z. Li.Chaos; Solitons and Fractals: the interdisciplinary journal of Nonlinear Science; and Nonequilibrium and Complex Phenomena.2016,

[9]

A complex filter for vibration signal demodulation in bearing defect diagnosis.[J].Yuh-Tay Sheen.Journal of Sound and Vibration.2003, 1

← 1 →