基于FEWT-FastICA的滚动轴承故障特征识别方法

作者：黄致远,颜丙生,刘兆亮. 日期：2023-06-25/span> 浏览：413 查看PDF文档

摘要:滚动轴承故障信号常包含着大量的噪声,并以调制的形式存在,其故障特征信息提取困难;同时,采用快速经验小波变换(FEWT)分解故障信号时,又存在故障特征被削弱的问题。为此,将FEWT与快速独立分量分析(FastICA)的优点相结合,在此基础上提出了一种基于FEWT-FastICA的滚动轴承故障特征识别方法。首先,利用FEWT算法对轴承故障信号进行了分解,得到了一组固有模态分量(IMF);根据峭度准则,将峭度值大于3的IMF分量重构为振动冲击信号,峭度值小于3的IMF分量重构为虚拟通道信号;然后,将重构后的信号输入FastICA算法,进行信号的降噪解混,得到信号的最佳估计信号,对最佳估计信号进行了包络谱分析,完成了对滚动轴承的故障诊断;最后,为了验证FEWT-FastICA算法的有效性,采用仿真信号及真实轴承故障信号分别进行了实验验证;同时,为了验证FEWT-FastICA算法的优越性,将其与FEWT进行了对比分析。研究结果表明:该方法能有效地提取故障特征信息,比FEWT方法所得结果的信噪比提升了1.55倍,为轴承故障诊断提供了一种新方法。

关键词:轴承故障诊断;快速经验小波变换;快速独立分量分析;降噪解混;故障特征提取;信噪比

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2023)04-0509-07

本文引用格式:

黄致远,颜丙生,刘兆亮.基于FEWT-FastICA的滚动轴承故障特征识别方法［J］.机电工程,2023,40(4):509-515.

HUANG Zhi-yuan, YAN Bing-sheng, LIU Zhao-liang. Fault feature recognition method of rolling bearing based on FEWT-FastICA［J］.Journal of Mechanical & Electrical Engineering, 2023,40(4):509-515.