首页  |  期刊简介  |  期刊荣誉  |  编委会  |  现任主编  |  投稿指南  |  下载中心  |  期刊征订
中文核心期刊
Ei Compendex收录期刊
中国科学引文数据库来源期刊
中文科技期刊数据库收录期刊
国际刊号:1004-6801
国内刊号:32-1361/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中华人民共和国工业和信息化部
  • 主办:南京航空航天大学
  •           全国高校机械工程测试技术研究会
  • 国际刊号:1004-6801
  • 国内刊号:32-1361/V
  • 地址:南京市御道街29号
  • 电话:025-8489 3332
  • 传真:025-8489 3332
  • E-mail:qchen@nuaa.edu.cn
  • 邮编:210016
基于流形学习的滚动轴承故障盲源分离方法
Blind Source Separation Method for Rolling Bearing Faults Based on Manifold Learning
  
DOI:10.16450/j.cnki.issn.1004-6801.2020.01.007
中文关键词:  滚动轴承  盲源分离  流形学习  协方差矩阵  源信号
英文关键词:rolling bearing  blind source separation  manifold learning  covariance matrix  source signal
基金项目:国家自然科学基金资助项目(51875075,51775257)
作者单位
王奉涛1,薛宇航2,王雷2,李宏坤2,于晓光3 (1.汕头大学机械工程系 汕头515063)(2.大连理工大学机械工程学院 大连116024)(3.辽宁科技大学机械工程与自动化学院 鞍山114051) 
摘要点击次数: 146
全文下载次数: 116
中文摘要:
      滚动轴承的故障信号是一种典型的非线性非平稳信号,其信号中常常混有噪声信号及其他干扰成分。提出了一种基于流形学习的滚动轴承故障盲源分离方法,首先,利用经验模态分解(empirical mode decomposition,简称EMD)对单通道模拟信号进行分解,对得到的多通道信号构造其协方差矩阵,计算矩阵的奇异值下降速比得到原始信号数目;其次,利用峭度等指标选择最优观测信号,利用核主成分分析(kernel principal components analysis,简称KPCA)提取信号的流形成分;最后,利用快速独立成分分析(fast independent component analysis,简称FastICA)还原得到源信号。该方法不但解决了故障信号的欠定盲源分离问题,还提出了最优观测信号的确定准则,并通过实例验证了方法的有效性。
英文摘要:
      The fault signal of rolling bearing is a kind of non-linear and non-stationary signal, and it is often mixed with noise signals and interference components. Therefore, it is important to effectively separate the bearing fault source signal and diagnose it. A blind source separation method for rolling bearing faults based on manifold learning is proposed. Firstly, the measured single channel signal is subjected to empirical mode decomposition (EMD) to construct a multi-channel test signal, and then the source number is determined by the deceleration ratio of the singular value of the multi-channel test signal covariance matrix. Then the kurtosis and other indicators are used to select the optimal observation signal. After that, Kernel principal components analysis (KPCA) is used to extract the stream formation of the signal, and finally fast independent component analysis (FastICA) is used to restore the source signal. This method not only solves the problem of underdetermined blind source separation of fault signals, but also proposes the criteria for determining the optimal observed signals. An example is executed to verify the effectiveness of the method.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《振动、测试与诊断》

地址:南京市御道街29号        邮编:210016

电话:025-8489 3332      传真:025-8489 3332       E-mail:qchen@nuaa.edu.cn

您是本站第2095952位访问者 本站今日一共被访问357

技术支持:北京勤云科技发展有限公司