基于EMD-PCA的轴承故障源盲分离方法  

Blind Separation Method of Rolling Bearing Faults Based on EMD and PCA

作　　者：吕亚平[1] 李志农[1] 肖尧先[2] 

机构地区：[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

出　　处：《轴承》2010年第1期52-54,共3页Bearing

基　　金：国家自然科学基金资助项目(50775208);河南省教育厅自然科学基金资助项目(2008C460003;2006460005)

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。Combined the advantage of empirical mode decomposition （EMD） and principle component analysis （PCA）, a blind separation method of rolling bearing faults is proposed based on EMD and PCA. Some intrinsic mode function （IMF） components are obtained by decomposing mixed observed signals with empirical mode decomposition. Rebuil- ding all IMF components as new observed signals, the new signals are analyzed with PCA to obtain the principal component of the original signals. The effect of the proposed method is certified by experiment.

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 

分 类 号：TH133.33[机械工程—机械制造及自动化] TH165.3