典型文献
基于低秩-稀疏分解的滚动轴承故障特征提取
文献摘要：
针对旋转机械早期故障特征微弱且易受背景噪声影响而难以提取的问题,提出一种基于低秩-稀疏分解的轴承信号瞬态特征提取方法.研究了周期性瞬态信号的稀疏时频表示,建立了低秩-稀疏模型并从背景噪声中提取瞬态冲击信号.首先,通过高阶同步压缩变换(high-order synchrosqueezing transform,FSSTH)将测量信号变换到一个新的稀疏子空间;然后,使用鲁棒主成分分析算法(robust principal component analysis,RPCA)将稀疏时频矩阵分解为低秩部分和稀疏部分;最后,对低秩矩阵施加逆高阶同步压缩变换恢复得到瞬态冲击信号,并通过包络谱分析实现故障诊断.该方法由数据驱动实现,不需要任何先验信息.仿真信号和实际信号分析结果表明,所提方法可有效增强振动信号中故障引起的周期性瞬态冲击特征,能够实现强噪声背景下滚动轴承微弱故障特征提取.
文献关键词：
滚动轴承;特征提取;高阶同步压缩变换;低秩分量;稀疏分量
中图分类号：
作者姓名：
刘伟;刘洋;单雪垠;李双喜;姚思雨
作者机构：
北京化工大学 机电工程学院,北京 100029;石河子大学 机械电气工程学院,石河子 832003
文献出处：
引用格式：
[1]刘伟;刘洋;单雪垠;李双喜;姚思雨-.基于低秩-稀疏分解的滚动轴承故障特征提取)[J].北京化工大学学报（自然科学版）,2022(06):83-91
A类：
瞬态特征提取,高阶同步压缩变换,synchrosqueezing,FSSTH
B类：
稀疏分解,滚动轴承,轴承故障特征提取,旋转机械,早期故障,背景噪声,噪声影响,瞬态信号,稀疏模型,瞬态冲击,冲击信号,high,order,transform,换到,稀疏子空间,鲁棒主成分分析,robust,principal,component,analysis,RPCA,时频矩阵,矩阵分解,部分和,低秩矩阵,复得,包络谱分析,先验信息,信号分析,振动信号,强噪声,微弱故障,低秩分量,稀疏分量
AB值：
0.342131
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。
