一种基于时域的欠定盲源分离方法

提出一种基于时域的欠定盲源分离方法,该方法首先根据非平稳信号的特性,采用一种基于差分峰度的欠定盲抽取算法逐次分离欠定下的非平稳信号,然后利用二阶统计量的抽取算法分离剩余的源信号。仿真实验结果表明了该方法不仅能同时分离服从超高斯分布和亚高斯分布的源信号,且它比其他传统的方法具有更优越的估计性能。

基于SVD-VMD和SVM滚动轴承故障诊断方法

针对故障滚动轴承振动信号中含有干扰信号,难以准确提取出故障信息,提出了一种基于奇异值分解(SVD)、变分模态分解(VMD)、和支持向量机(SVM)的滚动轴承故障诊断方法。首先利用奇异值分解对信号进行处理,根据奇异值峰度差分谱来确定分解后重构矩阵的有效阶数,然后根据该有效阶数重构信号,对重构后的信号进行VMD分解,根据上述有效阶数确定分解的本征模态函数(IMF)分量的个数,从分解后的IMF分量中提取故障特征参数,将其作为支持向量机的输入参数进行故障诊断。最后采用合肥工业大学轴承试验机进行验证,并与直接进VMD分解及基于带通滤波器信号去噪的故障诊断方法进行对比,结果表明该方法能有效识别滚动轴承的故障类型,可用于滚动轴承故障诊断。