基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

许同乐, 王营博, 郑店坤, 陈康, 刘同义

山东理工大学 机械工程学院, 山东 淄博 255049

收稿日期:2016-03-05出版日期:2017-02-28发布日期:2017-03-14

作者简介:许同乐(1965-),男,教授,E-mail:xutongle@163.com.
基金资助:山东省自然科学基金项目（ZR2013FM005，ZR2016EEM20）；山东省高等学校科技计划项目（J10LG22）

Research of the Rolling Bearing Fault Signal Feature Extraction Method Based on the LMD-ICA Noise Reduction

XU Tong-le, WANG Ying-bo, ZHENG Dian-kun, CHEN Kang, LIU Tong-yi

Mechanical Engineering School, Shandong University of Technology, Shandong Zibo 255049, China

Received:2016-03-05Online:2017-02-28Published:2017-03-14

摘要/Abstract

摘要： 在滚动轴承进行故障识别中，针对局部均值分解（LMD）方法分析非平稳、非线性含噪信号时，存在端点效应，易产生虚假分量和单通道独立成分分析（ICA）盲源分离时的欠定问题，提出了基于LMD-ICA降噪的振动信号特征提取算法。首先对原始信号进行LMD，并抑制端点效应，得到n个瞬时频率具有物理意义的乘积函数（PF）之和；然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA，可以得到n-2个重构分量；最后利用n-2个分量进行重构，得到降噪后的故障信号，并再次进行LMD或功率谱计算，提取故障特征。经验证，该方法可有效识别滚动轴承的多类故障。
中图分类号:
TH133.33
TH165.3

引用本文

许同乐, 王营博, 郑店坤, 陈康, 刘同义. 基于LMD-ICA降噪的滚动轴承故障特征提取方法研究[J]. 北京邮电大学学报, 2017, 40(1): 111-116.
XU Tong-le, WANG Ying-bo, ZHENG Dian-kun, CHEN Kang, LIU Tong-yi. Research of the Rolling Bearing Fault Signal Feature Extraction Method Based on the LMD-ICA Noise Reduction[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2017, 40(1): 111-116.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=2996