SCA-EMD在煤矿机械故障振动诊断中的应用  

作　　者：陈虹微[1] 王荣杰[1] 

机构地区：[1]龙岩学院机电系,福建龙岩364012

出　　处：《内蒙古煤炭经济》2019年第22期109-111,共3页Inner Mongolia Coal Economy

基　　金：福建省自然科学基金项目(2017J01707)。

摘　　要：机械故障振动诊断的关键是全面获取振动状态信息,重点是故障信号分离和特征提取。煤矿机械运行噪声大,故障早期信号和微弱信号往往伴随很强的背景噪声,单一的信号处理方法不能得到很好的提取效果,给故障诊断带来难度。因此,本文利用稀疏成分分析(Sparse Component Analysis,SCA)和经验模式分解(Empirical Mode Decomposition,EMD)机械故障振动诊断方法,结合二者的优点,先用SCA快速去除干扰信号,提取有用信号,再用EMD高效分解得到故障特征信息。经仿真和实例验证,该法与其他方法相比,可早期、快速、全面、准确提取复杂故障信号和微弱征兆,提取信号具有更高的相似性度和更准确的分离精度,不仅具有理论研究价值,也有工程实际应用意义。

关 键 词：稀疏成分分析(SCA) 经验模式分解(EMD) 煤矿机械 水泵 故障诊断 

分 类 号：F406.3[经济管理—产业经济] TD407[矿业工程—矿山机电]