典型文献
基于S变换与奇异值中值分解的滚动轴承故障诊断
文献摘要：
为了有效地提取出滚动轴承故障信号的冲击特征,提出了一种基于S变换时频谱和奇异值中值分解(SVMD)算法的滚动轴承故障诊断方法.首先,利用S变换对滚动轴承原始振动信号进行了时频变换,得到了其时频系数矩阵,通过SVMD对时频系数矩阵进行了计算,筛选出合适的奇异值用以降噪;然后,通过仿真的方式,对结果进行了 S逆变换,以获得信号的时域冲击特征;最后,以滚动轴承(型号N205)外圈、滚动体故障为例,进行了故障信号冲击特征提取实验,通过对轴承的外圈和滚动体故障数据分析处理,对基于ST-SVMD算法的有效性进行了验证.研究结果表明:通过采用基于ST-SVMD算法,得到了滚动轴承外圈的故障频率,该频率与该型号轴承特征频率基本一致;基于ST-SVMD算法,得到了滚动轴承滚动体的故障频率,该频率与该型号轴承特征频率基本一致;该结果证明,基于ST-SVMD算法在滚动轴承故障信号冲击特征的提取方面是有效的.
文献关键词：
滚动轴承振动信号;故障频率;S变换;奇异值中值分解;冲击特征提取;信号降噪处理
中图分类号：
作者姓名：
字玉;周俊
作者机构：
昆明理工大学机电工程学院,云南昆明650500
文献出处：
引用格式：
[1]字玉;周俊-.基于S变换与奇异值中值分解的滚动轴承故障诊断)[J].机电工程,2022(07):949-954
A类：
奇异值中值分解,SVMD,N205,冲击特征提取
B类：
滚动轴承故障诊断,故障信号,时频谱,故障诊断方法,时频变换,系数矩阵,逆变换,滚动体,提取实验,故障数据分析,数据分析处理,ST,轴承外圈,故障频率,特征频率,特征的提取,滚动轴承振动信号,信号降噪处理
AB值：
0.154654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
