论文研究 基于EEMD PCA RobustICA的单通道盲分离算法在轴承故障诊断中的应用

针对ICA只能被限制在观察信号的数量大于源信号的数量的问题； 提出了一种结合EEMD，PCA和RobustICA的单通道盲源分离方法。 通过单通道机械振动观测信号的eemd分解，获得了多维IMF分量，并对这些IMF分量的矩阵进行了主分量分析（PCA）。 确定主成分的数量，并生成一个满足超限盲源分离条件的新矩阵，即新矩阵输入RobustICA，以实现源信号的分离。 最后，通过包络谱分别分析隔离信号，提取故障频率，并根据先验知识判断故障类型。 利用模拟信号和机械信号进行了实验。 结果表明，该算法是有效的，可以准确诊断机械故障的位置。