VMD和ICA联合降噪方法在轴承故障诊断中的应用

摘要：

针对振动信号易受噪声干扰的影响、故障特征提取困难的问题,提出一种基于变分模态分解(Variational Mode Decomposition, VMD)和独立分量分析(Independent Component Analysis, ICA)相结合的去噪方法.该方法首先利用VMD算法将振动信号分解成若干不同频率的本征模态分量(Intrinsic Mode Function,IMF),有效的抑制了LMD分解中存
在的模态混叠现象和端点效应等问题,然后依据峭度准则选取相应分量进行重构,引入虚拟噪声通道;最后利用FastICA
将重构后信号再次进行去噪处理,分离出有效的故障特征分量,从而识别故障类型.将该方法应用到滚动轴承故障数据
中,并与LMD-ICA方法作对比,结果表明,提出方法不仅能够有效的解决去噪过程中丢失故障信息以及由于模态混叠导
致噪声不能完全去除的问题,还能更清晰、准确地提取出故障特征频率.

关键词：变分模态分解、独立分量分析、降噪、滚动轴承、故障诊断

所属期刊栏目：36

分类号：TH165+.3

资助基金：国家自然科学基金11227201,11372199,11572206;河北省自然科学基金A2014210142

在线出版日期：2017-08-09（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：201-207