基于小波包和独立分量分析的微弱多源故障声发射信号分离

王向红; 尹东; 胡宏伟; 毛汉领

首页> 中文期刊> 《上海交通大学学报》 >基于小波包和独立分量分析的微弱多源故障声发射信号分离

基于小波包和独立分量分析的微弱多源故障声发射信号分离

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对旋转机械设备中同时存在的裂纹、摩擦等多故障源信号难以检测和分离的问题,提出了一种基于小波包分析（WPA）与独立分量分析（ICA）的多源故障信号提取方法,即首先用WPA对含噪线性混合信号降噪预处理,由db2小波基函数进行5层分解后保留62.5~187.5kHz频段信号,然后采用ICA中的FastICA算法对降噪后的混合信号分离,最后对各通道分离出的信号用收缩函数进行频段内去噪处理.对不同输入信噪比的含噪微弱裂纹和摩擦信号进行提取和分析的结果表明,该方法能有效提取出输入信噪比大于-15dB的裂纹和摩擦信号.当混合信号信噪比为-15dB时,裂纹和摩擦信号的输出信噪比分别为-1.31和-1.36dB,相关系数分别为0.62和0.63,提取效果好于结合小波包和FastICA分离方法（信噪比分别为-1.74和-2.06dB,相关系数分别为0.59和0.59）以及单独采用FastICA算法（信噪比分别为-4.57和-4.31dB,相关系数分别为0.17和0.19）.因此,所提出的综合WPA和ICA的方法是一种较好的多源微弱信号提取方法.

著录项

来源
《上海交通大学学报》 |2016年第5期|757-763|共7页
作者
王向红; 尹东; 胡宏伟; 毛汉领;
展开▼
作者单位

长沙理工大学工程车辆安全性设计与可靠性技术湖南省重点实验室;

长沙理工大学道路灾变防治及交通安全教育部工程研究中心;

广西大学机械工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类信号处理;柔性制造系统及柔性制造单元;
关键词
多源分离; 小波包分析; 独立分量分析; 降噪;

相似文献

中文文献
外文文献
专利

1. 基于小波包-变分贝叶斯独立分量分析的源信号盲分离方法 [J] . 李志农 ,周伟 ,刘卫兵 . 南昌航空大学学报（自然科学版） . 2013,第001期
2. 基于小波包与独立分量分析的耐火材料声发射损伤特征提取 [J] . 刘昌明 ,时朵 ,王志刚 . 耐火材料 . 2020,第003期
3. 基于快速独立分量分析和小波包变换的脑电信号消噪 [J] . 王远大 ,陈宏铭 ,程玉华 . 中国集成电路 . 2013,第007期
4. 基于快速独立分量分析和小波包变换的脑电信号消噪 [J] . 王远大 ,陈宏铭 ,程玉华 . 中国集成电路 . 2013,第007期
5. 基于独立分量分析与小波包分解的混叠声源信号波形恢复 [J] . 钱苏翔 ,杨世锡 ,焦卫东 . 中国机械工程 . 2010,第024期
6. 基于自适应形态滤波和独立分量分析的复合故障信号分离方法 [C] . HAO Yansong ,郝彦嵩 ,WANG Huaqing . 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议 . 2016
7. 基于小波包-变分贝叶斯独立分量分析的机械故障诊断方法研究 [A] . 何况 . 2013

基于小波包和独立分量分析的微弱多源故障声发射信号分离

摘要

著录项

相似文献

相关主题

期刊订阅