噪声与振动控制

噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (2): 95-101.

• 信号处理与故障诊断 • 上一篇    下一篇

EEMD-ICA联合降噪的旋转机械故障信号检测方法

高康平1，徐信芯1, 2，焦生杰1，师宁1   

  1. ( 1. 长安大学工程机械系公路养护装备国家工程实验室, 西安710064；2. 河南省高远公路养护技术有限公司, 河南新乡453000 )

  • 收稿日期:2021-03-25 修回日期:2021-06-10 出版日期:2022-04-18 发布日期:2022-04-18

Fault Signal Detection Method of Rotating Machinery Based on EEMD-ICA Joint Denoising

  • Received:2021-03-25 Revised:2021-06-10 Online:2022-04-18 Published:2022-04-18

PDF

摘要： 针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题，提出一种聚合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）和独立成分分析（Independent Component Analysis，ICA）相结合的故障特征提取方法。首先，运用EEMD理论将振动信号分解为一系列的固有模态函数（Intrinsic Mode Function，IMF），然后根据相关系数和均方根准则选取含有原始信号多的IMF分量构造观测信号，引入虚拟噪声通道；最后，通过FastICA算法将噪声与故障特征信号进行分离，并对分离出的有用信号进行频谱分析，突显故障频率。通过仿真信号验证所提出方法的有效性，并将其应用于轴承的内外圈故障识别，与传统的EEMD-WTD降噪方法对比，结果表明：所提出的方法能提取出清晰微弱故障特征信号，对低频噪声的抑制效果明显优于EEMD-WTD方法。

关键词: 故障诊断, 独立成分分析, 聚合经验模态分解, 微弱信号检测