机械设计与制造2022，Vol.376Issue(6) ：65-68,72.

EWT-KICA联合的滚动轴承故障诊断

Rolling Bearing Fault Diagnosis Based on EWT and KICA

庞博 董辛旻 李长伟
机械设计与制造2022，Vol.376Issue(6) ：65-68,72.
✕
  • 维普
  • 万方数据

EWT-KICA联合的滚动轴承故障诊断

Rolling Bearing Fault Diagnosis Based on EWT and KICA

庞博 1董辛旻 1李长伟1
扫码查看

作者信息

  • 1. 郑州大学机械工程学院,河南 郑州 450001
  • 折叠

摘要

滚动轴承故障信号能量较弱,故障信息在实际工况下更容易受到噪声的影响,致使很难有效地实现信噪分离.针对这一问题,提出经验小波变换(EWT)和核独立分量分析(KICA)联合的振幅解调方法消噪.使用经验小波变换对轴承故障信号进行分解,根据相关系数准则对分解获得的IMF分量信号进行筛选,重组分量信号并构造虚拟噪声信号.使用核独立分量分析算法对重构的信号进行增强处理并分解,实现信号和噪声的分离.采用包络谱法对分离后的信号进行分析.仿真对照实验表明,该方法具备较强的特征提取能力.

关键词

经验小波变换/核独立分量分析/滚动轴承/特征提取/故障诊断

引用本文复制引用

基金项目

国家重点研发计划(2016YFF0203100)

出版年

2022
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量1
参考文献量6
段落导航相关论文