针对旋转机械运行状态监测与故障诊断需要解决强噪声下状态特征信息提取的问题,对振动信号进行降噪处理以利于状态特征信息提取。提出了一种局部均值分解(Local Mean Decomposition,LMD)和独立分量分析(Independent Component Analysis,...针对旋转机械运行状态监测与故障诊断需要解决强噪声下状态特征信息提取的问题,对振动信号进行降噪处理以利于状态特征信息提取。提出了一种局部均值分解(Local Mean Decomposition,LMD)和独立分量分析(Independent Component Analysis,ICA)相结合的联合降噪方法。首先将单通道振动信号进行局部均值分解,然后基于互相关准则对局部均值分解得到的分量进行分析,通过分量重组,构建虚拟噪声通道,再将虚拟噪声通道与单通道振动信号作为独立分量分析的信号输入,采用基于负熵的Fast ICA算法实现振动信号的降噪。基于滚动轴承振动数据的实验结果表明该方法能够有效地滤除噪声影响并且分离原始信号的低频与高频部分,有利于状态特征信息的提取。实验验证了该方法的有效性。展开更多