發(fā)布時(shí)間：2018-06-11 10:08

  本文選題：變分模態(tài)分解 + 獨(dú)立分量分析��； 參考：《振動(dòng)與沖擊》2017年13期

【摘要】：針對(duì)振動(dòng)信號(hào)易受噪聲干擾的影響、故障特征提取困難的問題,提出一種基于變分模態(tài)分解(Variational Mode Decomposition,VMD)和獨(dú)立分量分析(Independent Component Analysis,ICA)相結(jié)合的去噪方法。該方法首先利用VMD算法將振動(dòng)信號(hào)分解成若干不同頻率的本征模態(tài)分量(Intrinsic Mode Function,IMF),有效的抑制了LMD分解中存在的模態(tài)混疊現(xiàn)象和端點(diǎn)效應(yīng)等問題,然后依據(jù)峭度準(zhǔn)則選取相應(yīng)分量進(jìn)行重構(gòu),引入虛擬噪聲通道;最后利用Fast ICA將重構(gòu)后信號(hào)再次進(jìn)行去噪處理,分離出有效的故障特征分量,從而識(shí)別故障類型。將該方法應(yīng)用到滾動(dòng)軸承故障數(shù)據(jù)中,并與LMD-ICA方法作對(duì)比,結(jié)果表明,提出方法不僅能夠有效的解決去噪過程中丟失故障信息以及由于模態(tài)混疊導(dǎo)致噪聲不能完全去除的問題,還能更清晰、準(zhǔn)確地提取出故障特征頻率。
[Abstract]:Aiming at the problem that vibration signals are easily affected by noise interference and it is difficult to extract fault features, a new denoising method based on variational Mode decomposition (VMDM) and Independent component Analysis (ICA) is proposed. Firstly, the vibration signal is decomposed into Intrinsic Mode Intrinsic Mode IMF (IMF) with different frequencies by using VMD algorithm, which can effectively suppress the problems of modal aliasing and endpoint effect in LMD decomposition. Then the corresponding components are selected according to the kurtosis criterion for reconstruction and the virtual noise channel is introduced. Finally the reconstructed signal is de-noised again using Fast ICA to separate out the effective fault feature components and identify the fault type. The method is applied to the rolling bearing fault data and compared with the LMD-ICA method. The results show that the proposed method can not only effectively solve the problem of missing fault information in the process of de-noising and the problem that the noise can not be completely removed due to modal aliasing. The frequency of fault feature can be extracted more clearly and accurately.
【作者單位】： 石家莊鐵道大學(xué)電氣與電子工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(11227201;11372199;11572206) 河北省自然科學(xué)基金(A2014210142)
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙洪山;郭雙偉;高奪;;基于奇異值分解和變分模態(tài)分解的軸承故障特征提取[J];振動(dòng)與沖擊;2016年22期

2 姚家馳;向陽;李勝楊;王帥;;基于VMD-ICA-CWT的內(nèi)燃機(jī)噪聲源識(shí)別方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年07期

3 武英杰;甄成剛;劉長(zhǎng)良;;變分模態(tài)分解在風(fēng)電機(jī)組故障診斷中的應(yīng)用[J];機(jī)械傳動(dòng);2015年10期

4 唐貴基;王曉龍;;參數(shù)優(yōu)化變分模態(tài)分解方法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2015年05期

5 吳小濤;楊錳;袁曉輝;龔?fù)?;基于峭度準(zhǔn)則EEMD及改進(jìn)形態(tài)濾波方法的軸承故障診斷[J];振動(dòng)與沖擊;2015年02期

6 張俊紅;李林潔;馬文朋;李周裕;劉昱;;EMD-ICA聯(lián)合降噪在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國(guó)機(jī)械工程;2013年11期

7 熊偉;呂英華;;視頻紅信號(hào)頻譜識(shí)別中波峰搜索算法研究[J];軟件;2012年11期

8 陳亞農(nóng);郜普剛;何田;劉獻(xiàn)棟;;局部均值分解在滾動(dòng)軸承故障綜合診斷中的應(yīng)用[J];振動(dòng)與沖擊;2012年03期

9 鞠萍華;秦樹人;趙玲;;基于LMD的能量算子解調(diào)方法及其在故障特征信號(hào)提取中的應(yīng)用[J];振動(dòng)與沖擊;2011年02期

10 蘇文勝;王奉濤;張志新;郭正剛;李宏坤;;EMD降噪和譜峭度法在滾動(dòng)軸承早期故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2010年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬增強(qiáng);柳曉云;張俊甲;王建東;;VMD和ICA聯(lián)合降噪方法在軸承故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2017年13期

2 梁洪衛(wèi);張旭;鄒岱峰;;基于VMD-BP神經(jīng)網(wǎng)絡(luò)模型的天然氣管道工況檢測(cè)研究[J];化工自動(dòng)化及儀表;2017年07期

3 黃剛勁;范玉剛;馮早;齊鵬;;基于SVD——形態(tài)降噪的TKEO故障診斷方法研究[J];傳感器與微系統(tǒng);2017年07期

4 劉永兵;周亞凱;馮志鵬;;形態(tài)分量分析在滾動(dòng)軸承故障診斷中的應(yīng)用[J];工程科學(xué)學(xué)報(bào);2017年06期

5 成潔;李思燃;;基于遞歸圖和局部非負(fù)矩陣分解的軸承故障診斷[J];工礦自動(dòng)化;2017年07期

6 袁濤;張尚斌;何清波;;時(shí)變奇異值分解在軸承故障特征提取中的應(yīng)用研究[J];機(jī)械與電子;2017年06期

7 王友仁;陳偉;孫燦飛;孫權(quán);黃海安;;基于能量聚集度經(jīng)驗(yàn)小波變換的齒輪箱早期微弱故障診斷[J];中國(guó)機(jī)械工程;2017年12期

8 程軍圣;向天堯;楊興凱;楊宇;;AEO解調(diào)方法及在滾動(dòng)軸承故障診斷中的應(yīng)用[J];噪聲與振動(dòng)控制;2017年03期

9 黃剛勁;范玉剛;黃國(guó)勇;;CEEMD與廣義形態(tài)差值濾波結(jié)合的故障診斷方法研究[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

10 柯燕亮;王華慶;唐剛;袁洪芳;李嶺陽;;基于Teager峰值能量的低轉(zhuǎn)速軸承故障特征提取方法[J];振動(dòng)與沖擊;2017年11期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王建國(guó);李健;萬旭東;;基于奇異值分解和局域均值分解的滾動(dòng)軸承故障特征提取方法[J];機(jī)械工程學(xué)報(bào);2015年03期

2 武英杰;劉長(zhǎng)良;范德功;;基于自適應(yīng)高頻諧波LMD法的風(fēng)電機(jī)組故障診斷[J];動(dòng)力工程學(xué)報(bào);2014年12期

3 朱文龍;周建中;肖劍;肖漢;李超順;;獨(dú)立分量分析 經(jīng)驗(yàn)?zāi)B(tài)分解特征提取在水電機(jī)組振動(dòng)信號(hào)中的應(yīng)用[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年29期

4 孟宗;李?yuàn)檴?;基于小波改進(jìn)閾值去噪和HHT的滾動(dòng)軸承故障診斷[J];振動(dòng)與沖擊;2013年14期

5 沈長(zhǎng)青;謝偉達(dá);朱忠奎;劉方;黃偉國(guó);孔凡讓;;基于EEMD和改進(jìn)的形態(tài)濾波方法的軸承故障診斷研究[J];振動(dòng)與沖擊;2013年02期

6 周智;朱永生;張優(yōu)云;朱川峰;王鵬;;基于EEMD和共振解調(diào)的滾動(dòng)軸承自適應(yīng)故障診斷[J];振動(dòng)與沖擊;2013年02期

7 王宏超;陳進(jìn);董廣明;從飛云;;基于快速kurtogram算法的共振解調(diào)方法在滾動(dòng)軸承故障特征提取中的應(yīng)用[J];振動(dòng)與沖擊;2013年01期

8 王宏超;陳進(jìn);董廣明;;基于最小熵解卷積與稀疏分解的滾動(dòng)軸承微弱故障特征提取[J];機(jī)械工程學(xué)報(bào);2013年01期

9 張俊紅;李林潔;劉海;王健;王凱楠;;基于經(jīng)驗(yàn)?zāi)B(tài)分解和獨(dú)立成分分析的柴油機(jī)噪聲源識(shí)別技術(shù)[J];內(nèi)燃機(jī)學(xué)報(bào);2012年06期

10 彭暢;柏林;謝小亮;;基于EEMD、度量因子和快速峭度圖的滾動(dòng)軸承故障診斷方法[J];振動(dòng)與沖擊;2012年20期

，

本文編號(hào)：2004874