一种基于SST-MOM的改进形态成分分析算法及其应用

作者：杨杰; 郑海起; 关贞珍; 王彦刚; 田昊

来源：机械传动, 2012, (06): 93-98.

• 形态成分分析
• 盲源分离
• 齿轮箱
• 复合故障诊断
• 半软阈值 Morphological component analysis Blind source separation Gearbox Compound fault diagnosis Semi-soft threshold

形态成分分析(MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,其扩展算法GMCA(Generalized MCA)可用于超定和欠定情形的盲源分离。为了降低GMCA算法中重构信号的均方差,提高分离信号的精度,将半软阈值函数和MOM阈值更新机制相结合,提出了SST-MOM(Semi-soft Thresholding MOM)阈值更新策略,仿真结果表明,新算法较原GMCA算法提高了分离信号的信噪比,将其应用于齿轮箱复合故障诊断中,有效地识别出了两路观测信号中的3种故障,表明了该算法的有效性。

• 单位
  中国人民解放军陆军工程大学