[发明专利]一种基于CEEMD和FastICA的滚动轴承故障特征提取方法在审
| 申请号： | 201910469359.6 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110146291A | 公开（公告）日： | 2019-08-20 |
| 发明（设计）人： | 吴建德;吴涛;王晓东;黄国勇;范玉刚;邹金慧;冯早 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G01M13/045 | 分类号： | G01M13/045 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于CEEMD和FastICA的滚动轴承故障特征提取方法，属于故障诊断技术与信号处理分析技术领域。该方法首先利用CEEMD算法将振动信号分解成若干不同频率的IMF分量，然后依据峭度准则选取相应IMF分量进行重构得到观测信号，剩余IMF分量重构得到虚拟噪声通道信号；利用FastICA算法将观测信号和虚拟噪声通道信号进行解混去噪处理；再利用Teager能量算子对去噪后的信号进行解调处理；最后对解调后的信号进行FFT变换，分析变换后的信号的频谱特征，提取信号的故障特征频率，得出故障诊断结果。本发明方法不仅能有效的解决去噪过程中会丢失故障信息以及由于模态混叠导致噪声不能完全去除的问题，而且能够清晰准确地提取出故障基频和倍频信息，得出故障诊断结果。 | ||
| 搜索关键词： | 去噪 故障诊断结果 滚动轴承故障 观测信号 特征提取 通道信号 虚拟噪声 重构 故障特征频率 故障诊断技术 信号处理分析 振动信号分解 故障信息 解调处理 模态混叠 频谱特征 提取信号 再利用 倍频 基频 解调 峭度 去除 算法 噪声 清晰 分析 | ||
【主权项】：
1.一种基于CEEMD和ICA的滚动轴承故障特征提取方法，其特征在于：首先利用CEEMD算法将原始故障振动信号x(t)分解成若干不同频率的IMF分量，然后依据峭度准则选取相应IMF分量进行重构得到观测信号G1(t)，剩余IMF分量重构得到虚拟噪声通道信号G2(t)；利用FastICA算法将观测信号G1(t)和虚拟噪声通道信号G2(t)进行解混去噪处理得到联合降噪后信号Z(t)；再利用Teager能量算子对联合降噪后信号Z(t)进行解调处理得到解调后的信号W(n)；最后对解调后的信号W(n)进行FFT变换，分析变换后的信号Y(t)的频谱特征，提取信号的故障特征频率，得出故障诊断结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910469359.6/，转载请声明来源钻瓜专利网。
