針對軸承早期故障信號易被淹沒于噪聲中、故障特征難以提取的問題,提出一種經(jīng)驗小波變換（Empirical Wavelet Transform, EWT）與獨立分量分析（Independent Component Analysis, ICA）的聯(lián)合降噪方法。該方法依據(jù)峭度準(zhǔn)則將經(jīng)EWT分解得到的固有模態(tài)分量（Intrinsic Mode Function, IMF）重構(gòu)后利用ICA進行盲源分離,有效抑制了振動信號中的噪聲,使故障特征頻率的能量幅值最大,從而識別故障特征。通過仿真分析和實際軸承早期故障的實驗研究,表明該方法可明顯削弱噪聲干擾,突出故障頻率成分。與EWT和包絡(luò)譜結(jié)合的方法對比,信噪比提高了24.45%,能更清晰準(zhǔn)確地提取故障特征信息,滿足對軸承故障的診斷要求,為滾動軸承早期故障提取提供了一種方法。 

【文章來源】：組合機床與自動化加工技術(shù). 2020,(07)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 經(jīng)驗小波變換
2 峭度準(zhǔn)則
3 獨立分量分析
4 EWT-ICA聯(lián)合降噪方法
    4.1 方法研究
    4.2 仿真分析
5 滾動軸承早期故障分析
6 結(jié)論


【參考文獻】：
期刊論文
[1]基于峭度準(zhǔn)則EEMD及改進形態(tài)濾波方法的軸承故障診斷[J]. 吳小濤,楊錳,袁曉輝,龔?fù)?  振動與沖擊. 2015(02)
[2]基于經(jīng)驗小波變換的機械故障診斷方法研究[J]. 李志農(nóng),朱明,褚福磊,肖堯先.  儀器儀表學(xué)報. 2014(11)
[3]EMD-ICA聯(lián)合降噪在滾動軸承故障診斷中的應(yīng)用[J]. 張俊紅,李林潔,馬文朋,李周裕,劉昱.  中國機械工程. 2013(11)
[4]基于集成經(jīng)驗?zāi)B(tài)分解和峭度準(zhǔn)則的滾動軸承故障特征提取方法[J]. 胡愛軍,馬萬里,唐貴基.  中國電機工程學(xué)報. 2012(11)
[5]滾動軸承故障信號的數(shù)學(xué)形態(tài)學(xué)提取方法[J]. 郝如江,盧文秀,褚福磊.  中國電機工程學(xué)報. 2008(26)



本文編號：3187328