矿用带式输送机驱动滚筒轴承振动信号降噪方法
来源期刊:工矿自动化2019年第3期
论文作者:杨祥 田慕琴 李璐 宋建成 张林锋 吴静坤
文章页码:66 - 70
关键词:矿用带式输送机;驱动滚筒轴承;滚筒轴承故障诊断;振动信号降噪;集合经验模态分解;快速独立分量分析;
摘 要:针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题,提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先,通过EEMD算法对采集的振动信号进行分解,得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量;然后,基于相关系数对IMF分量进行重构,得到特征信号和虚拟噪声信号,将重构的特征信号和虚拟噪声信号组成输入矩阵,并作为FastICA算法的输入;最后,利用FastICA算法实现信号与噪声分离,达到信号降噪的目的。实验结果验证了该方法的可行性和有效性。
杨祥1,2,田慕琴1,2,李璐1,2,宋建成1,2,张林锋1,2,吴静坤1,2
1. 太原理工大学矿用智能电器技术国家地方联合工程实验室2. 太原理工大学煤矿电气设备与智能控制山西省重点实验室
摘 要:针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题,提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先,通过EEMD算法对采集的振动信号进行分解,得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量;然后,基于相关系数对IMF分量进行重构,得到特征信号和虚拟噪声信号,将重构的特征信号和虚拟噪声信号组成输入矩阵,并作为FastICA算法的输入;最后,利用FastICA算法实现信号与噪声分离,达到信号降噪的目的。实验结果验证了该方法的可行性和有效性。
关键词:矿用带式输送机;驱动滚筒轴承;滚筒轴承故障诊断;振动信号降噪;集合经验模态分解;快速独立分量分析;