| 应用独立分量分析提取机器的状态特征 |
| |
| 引用本文： | 李力,屈梁生.应用独立分量分析提取机器的状态特征[J].西安交通大学学报,2003,37(1):45-48. |
| |
| 作者姓名： | 李力 屈梁生 |
| |
| 作者单位： | 西安交通大学机械工程学院,710049,西安 |
| |
| 摘 要： | 以大型轧钢机和滚动轴承试验台为研究对象，应用独立分量分析方法分离机器的声音信号，并提取其状态特征，同时指出，对信号进行自相关预处理，可以突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立，因此，采用基于峭度的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分及对应的发声零部件，研究结果表明，根据信号结构选择预处理的方法十分重要，正确的预处理可以使独立分量分析有效地提取机械信号中的特征。
|
| 关 键 词： | 状态特征 独立分量分析 机器状态 特征提取 自相关 机械信号处理 故障诊断 |
| 文章编号： | 0253-987X(2003)01-0045-04 |
| 修稿时间： | 2002年4月29日 |
Independent Component Analysis for Features Extraction of Machine Condition |
| |
| Abstract: | |
| |
| Keywords: | independent component analysis machine condition feature extraction autocorrelation |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
