本文關(guān)鍵詞：機電設(shè)備故障音頻特征提取方法研究

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

【摘要】：針對機電設(shè)備的故障音頻信號特征,深入研究了ICA信號處理過程并引入了基于負(fù)熵的快速不動點算法。提出了基于EMD-ICA的故障音頻特征提取方法,通過EMD的自適應(yīng)分解能力,解決了ICA處理過程中信號源數(shù)目的限制問題,同時利用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。實驗表明:通過EMD-ICA方法,能有效對機電設(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。
【作者單位】： 河北工業(yè)大學(xué)機器人與自動化研究所;
【關(guān)鍵詞】： 負(fù)熵 快速不動點 EMD 特征提取 故障診斷
【基金】：國家自然科學(xué)基金資助項目(51175145)
【分類號】：TH17
【正文快照】： 0引言機電設(shè)備的故障在發(fā)展過程中,聲音通常都會出現(xiàn)變化,有經(jīng)驗的工人往往能從細(xì)微的聲音變化中判斷出設(shè)備的故障狀態(tài)。隨著信號處理技術(shù)的發(fā)展,在故障診斷領(lǐng)域,音頻信號的利用逐漸成為人們關(guān)注的熱點。然而在設(shè)備實際運行時,音頻信號相互混疊,存在嚴(yán)重的散射和混響現(xiàn)象,同時

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

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

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

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 宗銀雪;張靚;李鐵軍;申付波;;機電設(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

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

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

2 周曉峰;機械振動源的分離和識別方法研究[D];浙江大學(xué);2012年

3 熊p，

本文編號：928893