基于核形态成分分析的齿轮箱复合故障诊断研究

摘要：

形态成分分析(MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,其主要思想是利用信号组成成分的形态差异性(可以由不同的字典稀疏表示)进行分离.结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况,给出一种非线性混叠信号盲分离算法.该算法通过非线性映射将混叠信号投影到高维特征空间,将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题,然后应用MCA算法对高维特征空间中的混叠信号进行分离.通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析,表明该方法能有效地分离出齿轮箱的复合故障.

关键词：形态成分分析、盲源分离、齿轮箱、复合故障诊断

所属期刊栏目：31

分类号：TH165.3

资助基金：国家自然科学基金资助项目50775219

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：97-101