基于经验模态分解的旋转机械故障信号去噪源分离-西北工业大学学报.pdfVIP

2013 4 Apr． 2013 年 月 西北工业大学学报 31 2 Journal of Northwestern Polytechnical University Vol． 31 No． 2 第 卷第 期 基于经验模态分解的旋转机械 故障信号去噪源分离 1 1 2 1 ， ， ， 王元生 任兴民 邓旺群 杨永锋 (1． ， 7 10072 ;2 ． ， 4 12002) 西北工业大学振动工程研究所 陕西西安 中国航空动力机械研究所 湖南株洲 : ， (EMD)、 (PCA) 摘 要 针对旋转机械故障诊断中信号源不足的问题 综合经验模态分解 主成量分析 (DSS) ， EMD PCA (EMD-PCA- 和去噪源分离 各自的优点 提出一种基于 和 的欠定去噪源分离方法 DSS)。 EMD (IMF)， IMF ， 首先通过 求出本征模函数 进而重组 分量和原观测信号作为新的观测信号 (BSS) 。 ， PCA ， DSS 解决了盲源分离 中源信号数据不足的问题 然后 通过 估计观测信号的源数 利用 估 。 ， ， 计出源信号 将该方法应用于某转子的实测故障信号分析中 诊断出转子发生了不平衡故障 表明该 ， 。 方法在旋转机械故障诊断中的有效性 这对于机械设备的状态监测和故障诊断具有重要的工程意义 : ， ， ， ， ， ， ， ， 关 键 词 盲源分离 诊断 试验 故障检测 模型分析 主成量分析 旋转机械 信号处理 去噪源 ， 分离 经验模态分解 中图分类号:TN911 文献标识码:A 文章编号:1000-2758 (20 13)02-0272-05 ， 实际应用中 传感器直接测得的旋转机械振动 故障源分离方法中提取信号数量的不足和噪声信号 。 ， (empirical 信号为多种含噪振源信号的混叠 作为盲源分离的 的影响 提出一种基于经验模态分解 ， (Denoising source separation ， mode decomposition ，EMD) (principal 一个热点 去噪源分离