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

作     者：王向红 尹东 胡宏伟 毛汉领 WANG Xianghong;YIN Dong;HU Hongwei;MAO Hanling

作者机构：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南宁530003 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长沙410004 广西大学机械工程学院南宁530003 

基　　金：国家自然科学基金(51105045 51205031 51365006) 湖南省教育厅重点项目(15A008) 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基金(KF1507) 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项目(kfj140407)资助 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2016年第50卷第5期

页      码：757-763页

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.

主 题 词：多源分离 小波包分析 独立分量分析 降噪 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080202[080202] 080401[080401] 0804[工学-材料学] 080402[080402] 0802[工学-机械学] 

核心收录：

D　O　I：10.16183/j.cnki.jsjtu.2016.05.017

馆 藏 号：203243907...