EEMD与EFICA在单通道复合故障诊断中的应用  

Application of Composite Fault Diagnosis with Single Channel Based on EEMD and EFICA

作　　者：徐元博[1] 魏振东[2] 

机构地区：[1]西京学院机电技术系,西安710123 [2]华中科技大学机械科学与工程学院,武汉430074

出　　处：《计算机测量与控制》2015年第10期3313-3315,共3页Computer Measurement &Control

基　　金：陕西省民办高等教育发展专项资金;西京学院科研基金项目(XJ130245;XJ130244);陕西省教育科学十二五规划课题项目(SGH13468)

摘　　要：针对转子不对中和滚动轴承微弱损伤的复合故障诊断问题,提出了一种基于平均经验算法(ensemble empirical mode decom—position,EEMD)和高效快速独立分量分析(efficient variant of Fast ICA,EFICA)的盲源分离故障诊断方法;利用EEMD算法将单通路复合故障信号分解成多个不同信号特征的本征模函数(intrinsic mode function,IMF),解决了盲源分离中的欠定问题;在此基础上利用EFICA算法对各个不同信号特征的IMF进行故障特征分离;通过仿真实验和转子实验台的实验结果,表明该算法可以有效分离出各个不同的故障特征。Aimed at corrlposite fault of rotor misalignment and weak bearing fault, a fault diagnosis method based on Ensemble Empirical Mode Decomposition （EEMD） and Efficient Variant of FastlCA （EFICA） is proposed. A single channel composite fault diagnosis signal is separated into multiple intrinsic mode functions （IMFs） with different feature by EEMD, which solve underdetermined problem in blind source separation （BSS）. On the basis, EFICA can separate fault features that are needed from different IMFs. The results of simulation and rotor test stand experiment indicate that method can effectively separate fault features.

关 键 词：复合故障 经验模态分解 高效快速独立分量分析 单通道 盲源分离 

分 类 号：TH133.33[机械工程—机械制造及自动化] TG806[金属学及工艺—公差测量技术]