基于VMD-FastICA的齿轮箱故障诊断

doi:10.13319/j.cnki.sjztddxxbzrb.20190010

石家庄铁道大学学报（自然科学版） ›› 2020, Vol. 33 ›› Issue (03) : 14 -20. DOI: 10.13319/j.cnki.sjztddxxbzrb.20190010

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。