基于FEWT-FastICA的滚动轴承故障特征识别方法

作者：黄致远; 颜丙生^*; 刘兆亮

来源：机电工程, 2023, 40(04): 509-515.

• 轴承故障诊断
• 快速经验小波变换
• 快速独立分量分析
• 降噪解混
• 故障特征提取
• 信噪比

滚动轴承故障信号常包含着大量的噪声，并以调制的形式存在，其故障特征信息提取困难；同时，采用快速经验小波变换(FEWT)分解故障信号时，又存在故障特征被削弱的问题。为此，将FEWT与快速独立分量分析(FastICA)的优点相结合，在此基础上提出了一种基于FEWT-FastICA的滚动轴承故障特征识别方法。首先，利用FEWT算法对轴承故障信号进行了分解，得到了一组固有模态分量(IMF);根据峭度准则，将峭度值大于3的IMF分量重构为振动冲击信号，峭度值小于3的IMF分量重构为虚拟通道信号；然后，将重构后的信号输入FastICA算法，进行信号的降噪解混，得到信号的最佳估计信号，对最佳估计信号进行了包络谱分析，完成了对滚动轴承的故障诊断；最后，为了验证FEWT-FastICA算法的有效性，采用仿真信号及真实轴承故障信号分别进行了实验验证；同时，为了验证FEWT-FastICA算法的优越性，将其与FEWT进行了对比分析。研究结果表明：该方法能有效地提取故障特征信息，比FEWT方法所得结果的信噪比提升了1.55倍，为轴承故障诊断提供了一种新方法。

• 单位
  河南工业大学; 机电工程学院