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! |