本文關鍵詞：基于時頻分析的欠定信號盲分離與微弱特征提取　出處：《機械工程學報》2014年18期 　論文類型：期刊論文

  更多相關文章： 盲源分離 欠定信號 時頻分析 經(jīng)驗模式分解 微弱特征提取

【摘要】：盲源分離對于多振源信號的故障診斷與識別是一種有效的方法,但是傳統(tǒng)的盲源分離算法都是針對觀察信號大于或等于源信號的情況,但對于觀察信號小于源信號的欠定盲分離問題,這在很大程度上制約了盲源分離的實際應用。通過應用經(jīng)驗模式分解和時頻分析對非平穩(wěn)信號分析的優(yōu)勢,提出基于時頻分析的欠定盲源分離方法進行設備微弱特征提取。對振動信號進行經(jīng)驗模式分解,并根據(jù)分解得到的內蘊模式分量估計源信號個數(shù)并選擇最優(yōu)的觀察信號,將振動信號與選擇的最優(yōu)觀察信號組成新的觀察信號進行基于時頻分析的盲源分離,通過對仿真信號和齒輪箱實測信號進行驗證分析。并與基于獨立分量分析的盲源分離算法進行對比,研究表明基于時頻分析的盲源分離對混合信號具有更好的分離效果,能夠較好地對微弱特征進行提取。
[Abstract]:Blind source separation is an effective method for fault diagnosis and identification of multi-source signals, but the traditional blind source separation algorithms are aimed at the situation that the observed signal is greater than or equal to the source signal. However, the application of blind source separation is restricted to a great extent for the problem of under-determined blind separation of observed signal smaller than source signal. The advantage of empirical mode decomposition and time-frequency analysis is applied to non-stationary signal analysis. An under-determined blind source separation method based on time-frequency analysis is proposed to extract the weak features of the equipment and to decompose the vibration signal by empirical mode decomposition. The number of source signal is estimated according to the intrinsic mode component and the optimal observation signal is selected. The vibration signal and the selected optimal observation signal constitute a new observation signal to separate the blind source based on time-frequency analysis. The simulation signals and gearbox measured signals are verified and analyzed, and compared with the blind source separation algorithm based on independent component analysis (ICA). The results show that blind source separation based on time-frequency analysis has better separation effect on mixed signals and can extract weak features better.
【作者單位】： 大連理工大學機械工程學院;
【基金】：國家自然科學基金(51175057) 中央高�；究蒲袠I(yè)務費專項資金(DUT14ZD204)資助項目
【分類號】：TN911.7
【正文快照】： 0前言*盲源分離可以將振動信號中的眾多振動源信號分離出來,從而對機械設備進行故障診斷,是在20世紀80年代中后期發(fā)展起來的一種功能強大的信號處理方法,為機械設備多故障復合診斷提供了一種新的方法,已成為很多領域研究和發(fā)展的重要課題,同時也具有十分重要的實用價值。測試

【參考文獻】

相關期刊論文 前9條

1 劉佳;楊士莪;樸勝春;;基于EEMD的地聲信號單通道盲源分離算法[J];哈爾濱工程大學學報;2011年02期

2 王玉甲;張銘鈞;郭勇;;基于PCA的水下機器人故障診斷與數(shù)據(jù)重構[J];華中科技大學學報(自然科學版);2009年S1期

3 賈民平,凌娟,許飛云,鐘秉林;基于時序分析的經(jīng)驗模式分解法及其應用[J];機械工程學報;2004年09期

4 毋文峰;陳小虎;蘇勛家;;基于經(jīng)驗模式分解的單通道機械信號盲分離[J];機械工程學報;2011年04期

5 蘇林;尚朝軒;連光耀;王寶龍;;基于故障檢測率的主元個數(shù)確定方法[J];計算機測量與控制;2011年08期

6 朱瑜;王海洋;;基于小波去噪和EMD的齒輪箱故障診斷研究[J];煤礦機械;2012年04期

7 艾延廷;費成巍;張鳳玲;劉秀芳;孫曉倩;張，

本文編號：1387479