首页 | 本学科首页   官方微博 | 高级检索  
     

基于ITD-KICA盲分离降噪的滚动轴承故障特征提取
引用本文:刘嘉辉,董辛旻,李剑飞. 基于ITD-KICA盲分离降噪的滚动轴承故障特征提取[J]. 机械传动, 2018, 0(1): 83-87
作者姓名:刘嘉辉  董辛旻  李剑飞
作者单位:郑州大学机械工程学院;
摘    要:滚动轴承在实际工况下的故障信号和故障信息常常淹没于噪声中,传统的故障特征提取方法很难有效提取出轴承故障特征信息。因此,采用时间固有尺度分解(ITD)和核独立分量分析(KICA)相结合的信噪盲分离分析法降噪。对轴承信号进行ITD分解,根据相关系数将分解得到的PRC分量重组以及构建虚拟噪声通道,利用KICA解混实现故障信号与噪声信号分离,对信噪分离后的有效分量信号做包络谱的分析。通过仿真及轴承故障实验分析和对比表明,该方法能有效提取轴承的故障特征。

关 键 词:滚动轴承  时间固有尺度分解(ITD)  核独立分量分析(KICA)  特征提取

Fault Feature Extraction of Rolling Bearing based on Blind Separation Noise Reduction by ITD and KICA
Abstract:
Keywords:
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号