EWT和ICA联合降噪在轴承故障诊断中的应用

论文摘要

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。

论文目录

• 1 EWT-ICA联合降噪基本原理
•   1.1 经验小波变换基本原理
•   1.2 独立分量分析基本原理
•   1.3 峭度及相关系数准则
•   1.4 EWT-ICA联合降噪方法研究
• 2 诊断实例分析
•   2.1 信号分解对比
•     2.1.1 EMD分解效果
•     2.1.2 EEMD分解效果
•     2.1.3 EWT分解效果
•   2.2 信号去噪效果对比
•     2.2.1 构造虚拟噪声通道
•     2.2.2 降噪结果分析
•   2.3 故障信号诊断
• 3 结 论

文章来源

类型: 期刊论文

作者: 吕跃刚,何洋洋

关键词: 滚动轴承,故障诊断,降噪,经验模态分解,独立分量分析

来源: 振动与冲击 2019年16期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 华北电力大学控制与计算机工程学院

基金: 中央高校基本科研业务费专项基金(2016ms38)

分类号: TH133.33

DOI: 10.13465/j.cnki.jvs.2019.16.007

页码: 42-48+70

总页数: 8

文件大小: 585K

下载量: 450