基于EMD-PCA的轴承故障源盲分离方法.pdfVIP

篁 Q=圣2 轴承 2010年1期 Bearing2010，No．1 52—54 CN41—1148／11{ 基于EMD—PCA的轴承故障源盲分离方法 吕亚平 ，李志农 ，肖尧先 (1．郑州大学 机械工程学院，郑州 450001；2．南昌航空大学 航空与机械工程学院，南昌 330063) 摘要：结合经验模态分解和主分量分析各 自的优点，提出了一种基于EMD—PCA的轴承故障源的盲分离方法。 利用EMD方法对混合观测信号进行分解得到若干个本征模函数分量 ，把所有的IMF分量重新组合在一起，作 为新的观测信号，然后采用PCA对新的观测信号进行共性分析以得到源信号中的主要成分，并进行了轴承故 障源分离试验验证。 关键词：滚动轴承；故障诊断；欠定盲分离 ；经验模态分解；主分量分析 中图分类号：TH133．33：TH165 ．3 文献标志码：B 文章编号：1000—3762(2010)01—0052一o3 BlindSeparationM ethodofRollingBearingFaultsBasedOHEMD andPCA L Ya—ping ，LIZhi—nong ，XIAO Yao—xian (1．SchoolofMechanicalEngineering，ZhengzhouUniversity，Zhengzhou450001，China；2．SchoolofAeronauticand MechnaicalEngineering，NanchangHangkongUniversity，Nanchang330063，China) Abstract：Combinedtheadvantageofempiricalmodedecomposition(EMD)andprinciplecomponentanalysis(PCA)， ablindseparationmethod ofrollingbearingfaultsisproposedbasedonEMD andPCA．Someintrinsicmodefunction (IMF)componentsareobtainedbydecomposingmixedobservedsignalswithempiricalmodedecomposition．Rebuff- clingallIMFcomponentsasnewob8enredsignals．htenewsingalsar℃analy~dwithPCA toobtaintheprincipalcompo- nentofhteoriginal singals．Theeffectofhteproposod mehtod iscertifiedbyexperiment． Keywords：rollingbearing；faultdiagnosis；underdeterminedblindsourceseparation；empiricalmodedecomposition； principlecomponentanalysis 许多机械故障盲源分离方法是限于非高斯、 聚类的方法可以达到较好的盲分离效果。当源信 平稳且相互独立的源信号，并且要求源数多于传 号的稀疏性不是很好时，虽然可以利用稀疏性得 感器数，在实际工程应用中，往往难以满足这种假 到混合矩阵的估计，然而通过聚类方法并不能够 设。因为当机械设备发生故障时，往往表现为非 得到很好的分离效果 卜引。针对 以上不足，提出 平稳性，并且故障源数是未知的。现有的机械故 了一种新的分离方法 。 障源分离方法，由于忽略了信号的非平稳特性，而 1 EMD—PCA方法 不能真正实现有效分离，甚至分离效果极差。另 外，源数多于传感器数时的机械故障源分离主要 本方法的基本思路如图1所示。该过程主要 是考虑稀疏源，这些算法一般都利用源信号的稀