EMD与ICA在故障诊断中的应用研究.pdfVIP

学兔兔 l 匐 似 EMD与ICA在故障诊断中的应用研究 Application researchofEMD and -CA infaultdiagnosis ． 宋玉标，许宝杰，吴国新，左云波 SONGYu．biao，XUBao-jie，WUGUO-xin，ZUOYun_b0 (北京信息科技大学现代测控教育部重点实验室，北京 100192) 摘 要：由于经验模式分解 (EMD)的自身分解能力的不足和外部信号的影响，在处理固有模态函数 的精确分离和消除调制信号的干扰成分时存在困难，不能得到合适的IMF分量。提出了一种经 验模式分解和独立分量分析联合的方法。该方法将振动信号进行经验模式分解(EMD)形成本 征模式函数IMF，再基于互相关准则对分解后的本征模函数进行重新组合，组织虚构的采集信 号通道，与源信号一起，最终形成FastICA的输人矩阵。此方法不但解决盲源分离算法中观 测信号数目需大于等于源信号数目的问题，而且能分离出单独IMF分量的固有特性，保证每个 IMF分量丢失的信息特征得到复原后，解决了各个分量之间的信息失真和模态混叠现象，充分 发挥出经验模式分解和独立分量分析的特征提取优点。进行数据仿真和实验，验证了该方法 在滚动轴承故障特征提取中具有明显效果。 关键词：EMD；IMF；ICA；故障诊断 中圈分类号：TP242．3 文献标识码 ：A 文章编号 ：1009—0134(2014)07(上)-oo89—04 Ooi：10．3969／J．Issn．1009-0134．2014．07(七)．25 0 引言 短时傅里叶变换存在的问题。但是由于Wigner— 信号是信息传递的载体，为了从现实测量的 Ville时频分布为双线性，对于多分量信号而言， 振动信号中提取各种有用信息，必须采取各种有 WVD存在严重的交叉项干扰，阻碍 了其对信号的 效的信号处理方法进行处理，从而进行后期信号 有效分析和各分量参数的提取，严重影响了信号 的状态监测和故障诊断等内容，振动信号的处理 的检测性能 】。Donoho等提出了一种基于阈值处 方法已成为科学研究的热点之一u。但是通过现有 理思想的小波降噪方法，小波分析方法是一种窗 数据采集系统所得到的振动信号包含各种噪声， 口大小固定但其形状改变，时间窗和频率窗都可 必须经过有效方法处理噪声信号，提高信噪比， 改变的时频局域化分析方法，这种特性使小波变 提取淹没在噪声信号中的有用信息，才能够获取 换具有对信号的自适应性，这也正克服了傅里叶 正确的特性信息。在过去的信号处理方法中，特 变换不能在时域和频域上局域化的缺点 —J。但是 征向量的准确提取往往依赖于采集信号的平稳 小波变换和傅里叶变换是有一定的联系的，还是 性，信号的固有特性只能从时域或者频域中表示 存在窗函数的局限性，频率和时间之间的变化， 出来，不能在时域和频域的同一时间内反映出信 不能够准确的得到描述。 号的局部化特点。机 电装备的复杂机械运转信号 NordengE．Huang等人认为，如果信号是由 往往多是非线性和非平稳性的，针对这些特征信 许多不同的固有模态组成的，每个模态可以是线 息的处理方法一直是国内外研究的难题 。而对于 性的或非线性的；如果模