本文關(guān)鍵詞：基于獨(dú)立分量分析與相關(guān)系數(shù)的機(jī)械故障特征提取，由筆耕文化傳播整理發(fā)布。

基于獨(dú)立分量分析與相關(guān)系數(shù)的機(jī)械故障特征提取

振

第32卷第6期

動(dòng)與沖擊

Vol．32No．62013

JOURNALOFVIBRATIONANDSHOCK



基于獨(dú)立分量分析與相關(guān)系數(shù)的機(jī)械故障特征提取

趙志宏

摘

1，2

，楊紹普2，申永軍2

（1．石家莊鐵道大學(xué)信息科學(xué)與技術(shù)學(xué)院，石家莊050043；2．河北省交通安全與控制重點(diǎn)實(shí)驗(yàn)室，石家莊050043）

要：提出一種基于獨(dú)立分量分析與相關(guān)系數(shù)的機(jī)械故障特征提取方法。首先對(duì)不同工況的機(jī)械振動(dòng)信號(hào)分

別進(jìn)行獨(dú)立分量分析，獲得各種工況信號(hào)的獨(dú)立分量，這些獨(dú)立分量中蘊(yùn)含了該工況的一些內(nèi)在特征；接著利用樣本與不與直接利用相關(guān)系數(shù)作為特征相比魯棒性與區(qū)分同工況信號(hào)提取的獨(dú)立分量的相關(guān)系數(shù)絕對(duì)值的和作為該樣本的特征，

程度都得到提高；最后使用支持向量機(jī)作為分類器進(jìn)行識(shí)別。分別進(jìn)行了齒輪故障特征提取與軸承故障特征提取實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，此方法可以很好地提取機(jī)械故障特征信息。本文方法的優(yōu)點(diǎn)在于直接從振動(dòng)信號(hào)的原始數(shù)據(jù)中進(jìn)行特征獲取機(jī)械故障蘊(yùn)含的一些特征，應(yīng)用范圍廣，具有較高地工程應(yīng)用價(jià)值。提取，

關(guān)鍵詞：獨(dú)立分量分析；特征提��；相關(guān)系數(shù)；故障診斷；支持向量機(jī)中圖分類號(hào)：TH165．3

文獻(xiàn)標(biāo)識(shí)碼：A

Machineryfaultfeatureextractionbasedonindependent

componentanalysisandcorrelationcoefficient

2

ZHAOZhi-hong1，，YANGShao-pu2，SHENYong-jun2

（1．SchoolofComputingandInformatics，ShijiazhuangTiedaoUniversity，Shijiazhuang050043，，China；

2．KeyLaboratoryofTrafficSafetyandControlofHebeiProvince，Shijiazhuang050043，China）

Abstract：Amachineryfaultfeatureextractionmethodwasproposedbasedonindependentcomponentanalysis

（ICA）andcorrelationcoefficient．TheICAwasusedforanalysisofvibrationsignalswithdifferentfaultcategory．Theextractedindependentcomponentsincludetheinformationofthefault．Thesumofabsolutevaluesofcorrelationcoefficientsofthetestsampleandtheextractedindepentcomponentsofeachcategorywasusedasafeaturevetor．Thenthesupportvectormachinewasusedasaclassificationmethodforfaultdiagnosis．Theproposedfaultfeatureextractionmethodhasbeenappliedtotwotasks：gearfeaultdiagnosisandrollerbearingfaultdiagnosis．ExperimentsdemonstratethattheICAofeachfaultcategoryandthecorrelationcoefficientcanextractusefulfeaturesformachineryfaultdiagnosis．

Keywords：independentcomponentanalysis；featureextraction；correlationcoefficient；faultdiagnosis；supportvectormachine

機(jī)械系統(tǒng)中，故障的特征信息被淹沒(méi)在噪聲中，如何有效地提取故障特征一直是設(shè)備狀態(tài)監(jiān)測(cè)和故障診［1－2］

和經(jīng)驗(yàn)?zāi)B(tài)分?jǐn)嘌芯康闹匾n題。小波分析解

是目前常用的故障特征提取方法，但是小波分

析由于基函數(shù)的長(zhǎng)度有限，在對(duì)信號(hào)進(jìn)行處理時(shí)會(huì)產(chǎn)

［3－4］

步發(fā)展和應(yīng)用。

獨(dú)立分量分析（IndependentComponentAnalysis，ICA）［5］是近幾年發(fā)展起來(lái)的一種基于樣本高階統(tǒng)計(jì)信息的特征提取方法，它屬于一種無(wú)監(jiān)督的特征提取方法，其基本思想是首先假定樣本集由一組相互獨(dú)立的基向量及相應(yīng)的混合矩陣相乘構(gòu)成，然后利用相應(yīng)的ICA算法求出解混矩陣（混合矩陣的逆矩陣）。目前，已廣泛用于生理學(xué)數(shù)據(jù)分析識(shí)別

［8］

［6］

［7］

、語(yǔ)音信號(hào)處理、人臉

另外小波基函數(shù)的選擇問(wèn)題也是一個(gè)難生能量泄漏，

題，針對(duì)某一信號(hào)，依據(jù)什么原則、采用什么判據(jù)選擇小波基在理論和實(shí)際中都尚待研究。經(jīng)驗(yàn)?zāi)B(tài)分解不像小波變換一樣有完整的數(shù)學(xué)理論支撐，是一種基于“經(jīng)驗(yàn)”的模態(tài)分解，影響了經(jīng)驗(yàn)?zāi)B(tài)分解理論的進(jìn)一

等。

［9］

ICA用于機(jī)械故障診斷的研究引起研究近幾年，人員的重視。Wang

利用ICA提取振動(dòng)信號(hào)中的機(jī)

械故障信息，通過(guò)軸承故障診斷實(shí)驗(yàn)說(shuō)明了方法的有效性。唐力偉等

［10］

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（11172182）；鐵道部科技研究開

發(fā)計(jì)劃（2011J013）收稿日期：2011－11－16

修改稿收到日期：2012－05－03

1972年8月生第一作者趙志宏男，博士，副教授，

將ICA用于瞬態(tài)聲音信號(hào)的降噪利用6個(gè)加速度傳感器獲取發(fā)動(dòng)

處理，利用ICA對(duì)含有噪聲的信號(hào)分析后找到了故障特征。Widodo等

［11］

  本文關(guān)鍵詞：基于獨(dú)立分量分析與相關(guān)系數(shù)的機(jī)械故障特征提取，由筆耕文化傳播整理發(fā)布。