基于约束独立成分分析的轴承复合故障特征提取方法.pdf

基于约束独立成分分析的轴承复合故障特征提取方法.pdf

ID:55399855

大小:555.85 KB

页数:4页

时间:2020-05-15

基于约束独立成分分析的轴承复合故障特征提取方法.pdf_第1页
基于约束独立成分分析的轴承复合故障特征提取方法.pdf_第2页
基于约束独立成分分析的轴承复合故障特征提取方法.pdf_第3页
基于约束独立成分分析的轴承复合故障特征提取方法.pdf_第4页
资源描述:

《基于约束独立成分分析的轴承复合故障特征提取方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第35卷第3期噪声与振动控制、,ol35NO.32015年6月NOISEANDVIBRrIoNCoNTRoLJun.2O15文章编号:1006.1355(2015)03.0173.04基于约束独立成分分析的轴承复合故障特征提取方法李瑞彤,王华庆,屈红伟,齐放,李美娇(北京化工大学机电工程学院,北京100029)摘要:为从复合故障信号中提取各故障特征,提出一种离散小波变换(DWT)和约束独立成分分析(CICA)相结合的单通道复合故障诊断方法首先通过DWT方法将单通道振动信号进行小波分解后,利用小波重构

2、函数重构各层分解信号。然后取重构信号的包络信号作为CICA算法的输入矩阵,基于滚动轴承先验知识建立参考信号,从而分离出轴承各故障信号,提取故障特征。最后,在滚动轴承故障模拟实验台上进行了方法验证。结果表明:该方法可有效分离滚动轴承外圈和滚动体故障,实现了轴承复合故障的诊断。关键词:振动与波:复合故障诊断;约束独立成分分析;离散小波变换;滚动轴承中图分类号:TH133.3;TH165+.3;TP206文献标识码:ADOI编码:10.39698.issn.1006.1335.2015.03.037App

3、licationofCICAinCompoundFaultFeatureExtractingofRollingBearingsL/Rui—tong,WANGHua—qing,QHong-weLQ1Fang,L1Mei-jiao(CollegeofMechanicalandElectricalEngineering,BeijingUniversityofChemicalTechnology,Beijing100029,China)Abstract:Inordertoextractfaultfeatur

4、esfromcompoundsignals,amethodbasedondiscretewavelettransform(DWT)andconstrainedindependentcomponentanalysis(CICA)wasproposed.Inthismethod,thesinglechannelvibrationsignalwasdecomposedintoseveralwaveletcoeficientsbyDWTmethod,andthewaveletre-constructionf

5、unctionwasusedtoreconstructthedecomposedsigna1.Then,envelopesignalsofthereconstructedwaveletcoeficientswereselectedastheinputmatrixofCICAalgorithm,andthereferencesignalwasestablishedbasedonpriorknowledgeofSOBI'Cesignals.Finally,thefaultsignalsweresepar

6、atedandthefaultfeatureswereextracted.Experimentalresultsvalidatedtheeffectivenessoftheproposedmethodincompoundfaultseparatinganddiagnosisofrollingbearings.Keywords:vibrationandwave;compoundfaultdiagnosis;constrainedindependentcomponentanalysis(CICA);di

7、scretewavelettransform(DWT);roilingbearing振动检测一直是机械故障诊断领域行之有效的ComponentAnalysis,ICA)Ⅲ可以根据传感器采集的分析方法。但由于工作环境和传输通道的复杂性等混合信号,分离出各个单一故障信号。例如,焦金平原因,实际采集到的信号往往是多种故障信号的混等[2-3利用ICA算法从背景噪声中提取单一信号。合,这使得旋转机械设备故障诊断变得更加困难。但由于ICA算法仅利用数据的统计独立性进行分为准确识别和提取机械故障特征,就必须解决离

8、,局限性也较为明显,在机械故障诊断中面临很多复合信号的分离问题。独立成分分析(Independent问题。研究表明,ICA算法只有与机械故障诊断对象的先验信息相结合,才能提高故障诊断的准确性收稿日期:2014-12—15和成功率。基金项目:国家自然科学基金项目(51375037)约束独立成分分析(ConstrainedIndependent作者简介:李瑞彤(1990一),女,山西省长治市人,硕士生,主ComponentAnalysis,CICA)是在ICA的基础上发展

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。