基于EMD和FastICA的轴承故障诊断
Bearing Fault Diagnosis Based on EMD and FastICA作者机构：沈阳化工大学机械与动力工程学院辽宁沈阳110142
出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)
年 卷 期：2024年第400卷第6期
页 面：48-52页
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
摘 要：针对滚动轴承振动信号之间的影响并且易受到噪声干扰的问题,提出了一种基于快速独立分类分析(FastICA)与经验模态分解(EMD)相结合的故障提取特征方法。通过经验模态分解将振动信号分解成若干个模态分量。继而,根据计算相关性系数选取有效的模态分量构建噪声通道,最后通过快速独立分类分析将源信号与噪声信号分离,进而得到独立的源信号。通过对西储大学轴承数据的仿真与实验结果表明,该方法可以有效的抑制噪声干扰,清晰的看出轴承的故障频率,实现了对轴承的故障诊断。
维普期刊数据库
同方期刊数据库