基于MED和ICA的滚动轴承循环冲击故障特征增强

摘要：

针对强噪声背景下多个传感器对同一振动源同步采集多组数据的情况,提出一种基于最小熵解卷积和独立成分分析的联合降噪方法,并用于滚动轴承循环冲击故障特征的提取.利用最小熵解卷积对各传感器的信号分别进行盲解卷滤波,消除信号传递路径的影响,从噪声信号中初步提取出故障冲击特征;对各传感器的滤波信号进行独立成分分析处理,将信号进行重组后得到重构分量,进一步消除噪声成分,使故障冲击特征成分得到二次增强;选取峭度最大的最优独立成分分析重构分量并进行包络谱分析,得到诊断结果.通过仿真数据和实验室数据分析验证了该方法能够增强滚动轴承的循环冲击特征,便于识别故障类型.

关键词：滚动轴承、最小熵解卷积、独立成分分析、故障特征识别

所属期刊栏目：23

分类号：TH17

资助基金：国家自然科学基金资助项目51665013,51265010;江西省科协重点活动资助项目赣科协字2014-154;江西省青年科学基金资助项目20161BAB216134;江西省研究生创新专项资金资助项目YC2015-S239.Project supported by the National Natural Science Foundation,China51665013,51265010;the Foundation of Jiangxi Association of Science and Technology,ChinaYHGC2014-154;the Science Funds for Young Scholars of Jiangxi Province,China20161BAB216134;the Postgraduate Innovation Funds of Jiangxi Province,ChinaYC2015-S239

在线出版日期：2017-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：333-339