基于EEMD-ICA去噪方法在转子故障特征识别中的应用研究

刘书溢, 田梅, 周小龙, 刘文亮

（1.吉林工程技术师范学院机械工程学院，长春130052；2.东北电力大学工程训练中心，吉林吉林132012；3.研奥电气股份有限公司设计部，长春130113）

0 引言

作为电动机的核心部件，转子的性能优劣直接影响旋转机械整体运行状态。而特征提取及模式识别直接影响故障诊断的可靠性和准确性。在转子运行过程中，由于工作环境、采集装置及振动的复杂性，在信号采集过程中不可避免地会引入噪声成分，这将严重影响转子故障诊断的准确性。

近年来，机械设备状态监测及故障信号诊断技术虽已取得了一定成果[1-7]，但在故障信号特征提取等方面依然存在不足，实际工况下，设备所处环境较噪声严重，故障诊断过程采集的信号成分较为复杂，相互干扰，给故障诊断带来一定的困难。因此提取有效信号，去除干扰信号成分尤为重要。

当前，盲分离算法（BSS）理论层面趋于成熟，尤其在旋转机械故障信号诊断应用中，BSS提供了切实可行的方案，对转子故障前期和后期的检测具有指导意义。独立分量分析方法（ICA）是一种功能强大的信号处理方法，属于BSS方法的一种，在信号处理、故障诊断中得到广泛的应用。但ICA模型中针对源信号的要求过于理想，面对复杂的信号通道，独立分量分析不能够有效实现源信号精确分离，因此提出基于EEMD-ICA的信号去噪方法，并将其应用于转子故障信号特征提取，通过集合经验模态分解（EEMD）将源信号分解成若干本征模态函数，并作为ICA独立分量分析的信号通道，增强源信号间的独立性，从而成功分离出噪声信号，识别出隐含在混合信号中的故障特征。……