發(fā)布時(shí)間：2017-09-27 09:25

  本文關(guān)鍵詞：機(jī)電設(shè)備故障音頻特征提取方法研究

  更多相關(guān)文章： 負(fù)熵 快速不動(dòng)點(diǎn) EMD 特征提取 故障診斷

【摘要】：針對(duì)機(jī)電設(shè)備的故障音頻信號(hào)特征,深入研究了ICA信號(hào)處理過(guò)程并引入了基于負(fù)熵的快速不動(dòng)點(diǎn)算法。提出了基于EMD-ICA的故障音頻特征提取方法,通過(guò)EMD的自適應(yīng)分解能力,解決了ICA處理過(guò)程中信號(hào)源數(shù)目的限制問(wèn)題,同時(shí)利用ICA方法的盲源分離能力,避免了EMD分解的模態(tài)混疊現(xiàn)象。實(shí)驗(yàn)表明:通過(guò)EMD-ICA方法,能有效對(duì)機(jī)電設(shè)備故障音頻特征進(jìn)行提取,在故障診斷的準(zhǔn)確性和魯棒性方面具有優(yōu)勢(shì)。
【作者單位】： 河北工業(yè)大學(xué)機(jī)器人與自動(dòng)化研究所;
【關(guān)鍵詞】： 負(fù)熵 快速不動(dòng)點(diǎn) EMD 特征提取 故障診斷
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51175145)
【分類號(hào)】：TH17
【正文快照】： 0引言機(jī)電設(shè)備的故障在發(fā)展過(guò)程中,聲音通常都會(huì)出現(xiàn)變化,有經(jīng)驗(yàn)的工人往往能從細(xì)微的聲音變化中判斷出設(shè)備的故障狀態(tài)。隨著信號(hào)處理技術(shù)的發(fā)展,在故障診斷領(lǐng)域,音頻信號(hào)的利用逐漸成為人們關(guān)注的熱點(diǎn)。然而在設(shè)備實(shí)際運(yùn)行時(shí),音頻信號(hào)相互混疊,存在嚴(yán)重的散射和混響現(xiàn)象,同時(shí)

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 賈春花;;EMD-ICA聯(lián)合的信號(hào)處理方法研究[J];工業(yè)控制計(jì)算機(jī);2014年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 薛云峰;源信號(hào)自適應(yīng)的獨(dú)立成分分析算法應(yīng)用與研究[D];上海交通大學(xué);2009年

2 焦衛(wèi)東;基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];浙江大學(xué);2003年

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 宗銀雪;張靚;李鐵軍;申付波;;機(jī)電設(shè)備故障音頻特征提取方法研究[J];儀表技術(shù)與傳感器;2016年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 苗鋒;盲信號(hào)分離算法及其在轉(zhuǎn)子故障信號(hào)分離中的應(yīng)用方法研究[D];蘭州理工大學(xué);2014年

2 周曉峰;機(jī)械振動(dòng)源的分離和識(shí)別方法研究[D];浙江大學(xué);2012年

3 熊p，

本文編號(hào)：928893