CEEMD與FastICA結合的故障特征提取方法
摘要：針對滾動軸承故障特征信息難以分離的問題,提出了互補式集成經驗模態分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）與快速獨立分量分析（Fast Independent Component Analysis,Fast ICA）結合的故障特征提取方法。首先將振動信號進行CEEMD分析,分解成不同尺度的固有模態分量（Intrinsic mode function,IMF）;然后通過敏感度評估算法對分解信號進行重組,并利用Fast ICA對其進行降噪處理;最后對Fast ICA分離的信號進行Hilbert包絡譜分析,獲取故障特征信息。將此方法應用于滾動軸承振動信號故障分析,實驗證明了所提方法的有效性。
注: 保護知識產權,如需閱讀全文請聯系機械強度雜志社
相關推薦
更多
