Improved CICA Algorithm Used for Single Channel Compound Fault Diagnosis of Rolling Bearings

一个复合差错信号通常个别地包含多重典型信号和强壮的混乱噪音，它使通过常规方法把星期差错信号与他们分开困难，例如基于快速傅里叶变换的信封察觉，小浪变换或实验模式分解。为了认识到单个隧道化合物，指责轴承的诊断并且改进诊断精确性，说出的一个改进 CICA 算法基于精力方法(E-CICA ) 抑制了独立部件分析被建议。与途径，单个隧道颤动信号被分离小浪第一分解成几个小浪系数为获得多信道的信号的目的变换(DWT ) 方法。然后，重建的小浪系数的信封信号作为 E-CICA 算法的输入被选择，它完成传感器的数字比大或到来源的平等者发信号并且使被 CICA 策略处理更合适的要求。频率精力比率(嗯) 每小浪，到给定的同步信号的全部的精力的重建的信号被计算，然后有最大值的同步信号嗯值因此被放作为引用信号。由这样，参考信号包含被起始的阶段角度和参考信号的责任比率在传统的 CICA 算法引起的差错信号抽取精确性上的差错来源信号和影响的 priori 知识被避免。试验性的结果证明那个 E-CICA 算法能有效地外面分开外部赛跑的缺点，压路机从单个隧道混合物差错背叛并且满足卷轴承的复合差错诊断的需要，并且跑的时间是传统的 CICA 算法的中的0.12%个，抽取精确性也是 1.4 次 CICA 的。建议研究提供一个新方法分开单个隧道混合物差错信号。