【技术实现步骤摘要】
基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法
本专利技术属于机电故障信号处理
，特别是涉及一种基于CEEMDAN和FastICA的信号除噪在矿场机械使用轴承的故障诊断方法。
技术介绍
矿场机电设备大都为大型机械设备，且由于矿场周遭环境复杂，机械大多露天工作，采矿现场常常收到各种干扰，采矿期间石块等容易进入机械内部，导致振动发生异常，产生机械故障。轴承作为机械设备中的重要部件，往往是大部分故障的原因所在，对轴承故障诊断是诊断机械设备的重心之一。当下多采取人工定期巡检和人工经验评估，故障后修复等措施对机械设备进行预警，维修工作，但容易发生错过最佳维修时间，实时性差，维修代价大等问题，一旦大型机械出现故障，可能会带来财产损失和人员伤亡事件等严重后果。而轴承运作产生的特定振动信号能体现丰富的机械状态信息，故对振动故障信号的初期处理非常重要。
技术实现思路
本专利技术针对现有技术存在的问题，提出了一种基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法。本设计充分考虑了...
【技术保护点】
1.基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法，其特征在于，具体包括以下过程：/n步骤一，通过传感器采集的振动数据，利用CEEMDAN自适应噪声的完备经验模态分解方法对其进行分解，得到若干本征模态函数 IMF，将其作为观测信号 X(t)；/n步骤二，通过FastICA算法对分解得到的本征函数去噪处理，再利用ICA逆变换得出新IMF’；/n步骤三，并将新IMF’直接累加还原得到重构信号，提取特征向量,利用LLE降维；/n步骤四，将特征向量作为深度学习网络的输入，输出得到诊断结果。/n
【技术特征摘要】
1.基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法，其特征在于，具体包括以下过程：
步骤一，通过传感器采集的振动数据，利用CEEMDAN自适应噪声的完备经验模态分解方法对其进行分解，得到若干本征模态函数IMF，将其作为观测信号X(t)；
步骤二，通过FastICA算法对分解得到的本征函数去噪处理，再利用ICA逆变换得出新IMF’；
步骤三，并将新IMF’直接累加还原得到重构信号，提取特征向量,利用LLE降维；
步骤四，将特征向量作为深度学习网络的输入，输出得到诊断结果。
2.如权利要求1所述的基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法，其特征在于，上述步骤一中的包括：通过放置在机电设备上的传感器采集设备振动信号作为原始数据样本。
3.如权利要求1所述的基于CEEMDAN和FastICA的机电设备轴承振动信号除噪方法，其特征在于，上述步骤一中的包括：
将原始振动数据样本进行CEEMDAN自适应噪声的完备经验模态分解，包括如下步骤：
先进行第一阶模态分量的求解，将服从标准正态分布的正负对高斯白噪声添加到原始数据信号中；
对得到的新信号进行EMD分解，得到多个IMF分量；
通过对多个IMF...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。