EMD和独立分量分析在转盘轴承故障诊断中的应用.pdfVIP

曼 二 Z CN41—1148／TH 轴承 2015年7期 Bearing 2015，No．7 EMD和独立分量分析在转盘轴承故障诊断中的应用 赵阳，陈捷，洪荣晶，封杨 (南京工业大学 机械与动力工程学院，南京 210009) 摘要：提出了一种基于经验模式分解(EMD)和独立分量分析(ICA)相结合的盲源分离方法。首先采用低通滤 波对采集到的振动信号进行预处理，其次利用EMD构造多通道测试信号，并通过计算测试信号相关矩阵相邻 特征值的最大下降速比估计系统信源数，然后利用峭度指标挑选一组最优测试信号作为 FastICA算法的输入信 号并分离出源信号，最后对源信号进行功率谱分析，获取故障特征频率。模拟试验表明：基于EMD和 ICA的盲 源分离方法能够较好地分离出源信号，准确获取故障特征频率，具有一定的实际应用价值。 关键词：转盘轴承；故障诊断；经验模式分解；独立分量分析；功率谱 中图分类号：TH133．33；TB52 文献标志码：B 文章编号：1000—3762(2015)07—0054—06 Application of EMD and ICA in Fault Diagnosis for Slewing Bearings Zhao Yang，Chen Jie，Hong Rongjing，Feng Yang (Department of Mechanical and Power Engineering，Nanjing University of Technology，Nanjing 210009，China) Abstract：A blind source separation method is proposed based on Empirical Mode Decomposition(EMD)and Inde— pendent Component Analysis(ICA)．Firstly，the colected vibration signal is preprocessed by using low—pass filter， then a muilt—channel test signal is constructed by using EMD．The signal source number of system is estimated by cal— culating maximum decline ratio of adjacent eigenvalues for correlation matrix of test signals．A set of optimal test signal is chosen as input signal of FastICA algorithm to separate source signals by using kurtosis index．Finally，the fault characteristic~equency can be obtained by power spectrum analysis of source signals．The simulation experiments pres— ent that the blind source separation method based on EMD and ICA can preferably separate source signals and get fault characteristic~equeney accurately，which has practical application value． Key words：slewing bearing；fault diagnosis；empircal mode decomposition；independent component analysis；power spectrum 转盘轴承是一种能够承受综合载荷的大型轴 承，可以同时承受较大的轴向和径向载荷以及倾 覆力矩，在船舶设备、工程机械、轻工机械、冶金机 械、医疗机械、工业机械等行业得到了广泛应用。 由于转盘轴承工作环境恶劣，使其安装、润滑、维 修均有不便。因此，不仅要求转盘轴承具有足够 的强度和承载能力，而且要求其运行平稳、安全可 靠，润滑、防腐及密封性能良好且寿命长。如果转 盘轴承运行中产生故障，可能导致整个机械系统 收稿日期：2014—12—10；修回日期：2015—01—18 基金项目：国家 自然科学基金项 目 作者简介：赵阳(1991一)，男，硕士研究生，主要研究方向 为机械电子工程 ，E—mail：690572868@qq．