【摘要】：提出了一種針對工程單通道信號的子帶分解獨立分量分析(subband decomposition independent component analysis,簡稱SDICA)故障分類方法。利用經(jīng)驗模態(tài)分解方法(empirical mode decomposition,簡稱EMD)得到的多個基本模式分量作為子帶信號,對子帶信號進行獨立分量分析(independent component analysis,簡稱ICA),在ICA方法過程中提取了分離過程特征中產(chǎn)生的殘余互信息值,在估計子帶信號中計算各自的近似熵值,并把殘余互信息和近似熵值作為特征參數(shù),輸入廣義回歸神經(jīng)網(wǎng)絡實現(xiàn)故障分類。SDICA方法在單通道信號故障分類中引入了ICA理論,成功實現(xiàn)了工程單通道軸承信號3種故障高精度的識別,驗證了具有良好表征故障能力的殘余互信息值和估計子帶近似熵能夠成為故障分類的重要參數(shù)。

【參考文獻】

相關期刊論文 前5條

1 胥永剛;孟志鵬;陸明;;雙樹復小波包和ICA用于滾動軸承復合故障診斷[J];振動.測試與診斷;2015年03期

2 王向紅;胡宏偉;張志勇;毛漢領;;微弱裂紋信號的稀疏編碼提取[J];振動工程學報;2013年03期

3 張學清;梁軍;;基于EEMD-近似熵和儲備池的風電功率混沌時間序列預測模型[J];物理學報;2013年05期

4 ;New method for signal encryption using blind source separation based on subband decomposition[J];Progress in Natural Science;2008年06期

5 楊世錫,焦衛(wèi)東,吳昭同;基于獨立分量分析特征提取的復合神經(jīng)網(wǎng)絡故障診斷法[J];振動工程學報;2004年04期

【共引文獻】

相關期刊論文 前10條

1 高偉;胡定玉;方宇;;采用小波變換和盲源分離的電機軸承故障診斷[J];測控技術;2017年05期

2 陳建國;王珍;李宏坤;;SDICA方法在單通道信號故障分類中的研究[J];振動.測試與診斷;2017年02期

3 李善;譚繼文;俞昆;;基于EEMD的ICA算法在軸承-絲杠復合故障診斷中的應用[J];機床與液壓;2016年23期

4 王陽;;基于改進RBF神經(jīng)網(wǎng)絡的微博輿情預測研究[J];創(chuàng)新科技;2016年12期

5 林麗娜;魏德志;;EP-RBF神經(jīng)網(wǎng)絡在時間序列預測中的應用[J];重慶理工大學學報(自然科學);2016年11期

6 李樂;劉天琪;;基于近鄰傳播聚類和回聲狀態(tài)網(wǎng)絡的光伏預測[J];電力自動化設備;2016年07期

7 張龍;胡俊鋒;熊國良;;基于MED和ICA的滾動軸承循環(huán)沖擊故障特征增強[J];計算機集成制造系統(tǒng);2017年02期

8 劉學;梁紅;玄志武;;基于小波模極大值模糊熵的遙測振動信號異常檢測[J];振動與沖擊;2016年09期

9 謝平;楊芳梅;李欣欣;楊勇;陳曉玲;張利泰;;基于變分模態(tài)分解-傳遞熵的腦肌電信號耦合分析[J];物理學報;2016年11期

10 陳艷平;毛弋;陳萍;童偉;袁建亮;;基于EEMD-樣本熵和Elman神經(jīng)網(wǎng)絡的短期電力負荷預測[J];電力系統(tǒng)及其自動化學報;2016年03期

【二級參考文獻】

相關期刊論文 前10條

1 周曉峰;楊世錫;甘春標;;一種旋轉機械振動信號的盲源分離消噪方法[J];振動.測試與診斷;2012年05期

2 張學清;梁軍;;風電功率時間序列混沌特性分析及預測模型研究[J];物理學報;2012年19期

3 宋彤;李菡;;基于小波回聲狀態(tài)網(wǎng)絡的混沌時間序列預測[J];物理學報;2012年08期

4 劉吉臻;柳玉;曾德良;劉繼偉;呂游;胡陽;;單一風電場的短期負荷調(diào)度優(yōu)化策略[J];中國科學:技術科學;2012年04期

5 胡愛軍;馬萬里;唐貴基;;基于集成經(jīng)驗模態(tài)分解和峭度準則的滾動軸承故障特征提取方法[J];中國電機工程學報;2012年11期

6 郭創(chuàng)新;王揚;沈勇;王媚;曹一家;;風電場短期風速的多變量局域預測法[J];中國電機工程學報;2012年01期

7 高爽;冬雷;高陽;廖曉鐘;;基于粗糙集理論的中長期風速預測[J];中國電機工程學報;2012年01期

8 蔡艷平;李艾華;石林鎖;何艷萍;趙靜茹;;EMD端點效應的改進型混沌延拓方法及其在機械故障診斷中的應用[J];振動與沖擊;2011年11期

9 葉林;劉鵬;;基于經(jīng)驗模態(tài)分解和支持向量機的短期風電功率組合預測模型[J];中國電機工程學報;2011年31期

10 唐先廣;郭瑜;丁彥春;;基于獨立分量分析與希爾伯特-黃變換的軸承故障特征提取[J];振動與沖擊;2011年10期

【相似文獻】

相關期刊論文 前10條

1 艾宇佳;;復印機常見故障分類速查(三)[J];家電檢修技術;2010年04期

2 艾宇佳;;復印機常見故障分類速查(四)[J];家電檢修技術;2010年06期

3 艾宇佳;;復印機常見故障分類速查(二)[J];家電檢修技術;2010年02期

4 張鈞;李小鵬;何正友;;采用自適應神經(jīng)模糊推理系統(tǒng)的配電網(wǎng)故障分類方法[J];中國電機工程學報;2010年25期

5 李寶通;通信設備故障分類及檢修方法[J];農(nóng)村電氣化;2005年11期

6 王憲忠;吳鳳林;張東浩;王憲亮;;基于SVM后端校正的含噪聲機械故障分類方法[J];機械強度;2014年02期

7 李舜酩;楚向磊;;新三態(tài)故障分類模型及其閾值確定[J];南京航空航天大學學報;2008年03期

8 段江濤,李凌均,張周鎖,何正嘉,符寒光;基于支持向量機的機械系統(tǒng)多故障分類方法[J];農(nóng)業(yè)機械學報;2004年04期

9 匡洪海,黃少先;自適應和模糊推理結合的故障分類新方法[J];電力系統(tǒng)及其自動化學報;2004年06期

10 于九祥;自適應卡爾曼濾波技術在故障分類中的應用[J];繼電器;1992年02期

相關碩士學位論文 前2條

1 鐘世勇;基于費舍爾判別分析的半監(jiān)督故障分類方法研究[D];浙江大學;2015年

2 陳廣鑫;基于免疫聚類的配電網(wǎng)故障分類識別方法研究[D];華東交通大學;2014年

，

本文編號：2574032