一种细节信号提取方法及其在信号处理的应用

液压泵性能退化过程中,振动信号复杂度高、非线性强,导致特征信息微弱,为此,提出一种基于MUWDF与LCD-BSS的液压泵故障细节信号提取方法。首先,利用MUWDF对双通道振动信号进行融合,通过对不同分解层近似信号的筛选与融合,有效降低噪声及干扰成分的影响,改善重构信号中的特征信息;在此基础上,提出LCDBSS方法,利用BIC准则与互信息相结合选取独立性较高的ISC分量,通过盲源分离得到包含故障特征信息的细节信号;最后,通过对液压泵不同松靴程度下振动信号的应用分析,验证了该方法的有效性。

基于LCD的齿轮箱混合故障盲源分离研究

盲源分离是一种有效的混合故障诊断方法,而局部特征尺度分解(LCD)是非平稳信号的有效分析处理工具,综合两者的优点,提出了基于LCD的齿轮箱混合故障盲源分离方法。将源信号LCD分解,得到新的多维信号,采用Bayesian信息准则(BIC)估计盲源的数目并对多维信号进行重组。最后进行联合近似对角化处理,实现源信号的盲分离。仿真和实验结果表明,该方法能够有效地实现齿轮箱混合故障盲源分离。