10.13465/j.cnki.jvs.2019.16.007
EWT和ICA联合降噪在轴承故障诊断中的应用
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.
滚动轴承、故障诊断、降噪、经验模态分解(EWT)、独立分量分析(ICA)
38
TH16
中央高校基本科研业务费专项基金2016ms38
2019-09-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
42-48,70