首页|EWT-KICA联合的滚动轴承故障诊断

EWT-KICA联合的滚动轴承故障诊断

扫码查看
原文链接
  • 万方数据
  • 维普
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.
Rolling Bearing Fault Diagnosis Based on EWT and KICA

庞博、董辛旻、李长伟

展开 >

郑州大学机械工程学院,河南 郑州 450001

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

国家重点研发计划

2016YFF0203100

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
年,卷(期)：2022.376(6)
  • 1
  • 6