独立分量分析-经验模态分解特征提取在水电机组振动信号中的应用
提取出水电机组振动信号中故障特征和微弱征兆信号，可以更好地了解机组的运行状态和故障发展趋势，但由于水电机组多源振动信号的相互混叠，信号呈现出非线性、非平稳性，故障特征信号提取是该领域的一个难题。为此该文提出了一种基于独立分量分析(independent component analysis ， ICA)和经验模态分解(empirical mode decomposition，EMD)的特征提取新方法(ICA-EMD)。首先，用 ICA 将多通道振动信号分离成为统计独立分量；然后，对这些统计独立分量做自相关分析，消除环境噪声的影响；最后，对消噪后的所有统计独立分量统计逐一进行EMD分解，并将各个统计独立分量内蕴的同频本征模态函数进行累加重构，最终提取出能表征机组故障的本征模态函数。仿真信号和实测信号的试验验证表明，与其他方法相比，该方法在提取故障早期信号、微弱信号和突变信号方面更具优越性和有效性，提取结果更能满足实际工程应用需求。
特征提取、独立分量分析(ICA)、经验模态分解(EMD)、水电机组、故障诊断
TM6;TP307;TM312(发电、发电厂)
国家自然科学基金项目51079057，51109088；高等学校博士学科点专项科研基金20100142110012。The National Natural Science Foundation of China51079057,51109088;The Specialized Research Fund for the Doctoral Program of Higher Education of China20100142110012
2013-11-20（万方平台首次上网日期，不代表论文的发表时间）
共7页
95-101
