典型文献
基于信号子空间的新型盲解卷积方法
文献摘要：
解卷积方法已广泛应用于振动信号的故障冲击提取.然而设备运行工况复杂多变、故障特征周期难以准确预知以及随机冲击干扰,使得当前的解卷积方法难以适应工业现场复杂环境下故障冲击增强的需求.针对该问题,提出了一种基于信号子空间的新型盲解卷积方法.该方法通过奇异值分解(SVD)方法将测试信号空间分解,分离各子空间,在此基础上通过稀疏编码收缩抑制子空间噪声,以脉冲稀疏指数为指标筛选有效子空间,最后迭代实现故障脉冲提取.轴承变转速仿真试验和列车轴承试验结果表明,该方法不仅可以有效消除随机冲击和噪声,避免能量对子空间筛选的影响,而且在缺乏准确的故障特征周期情况下仍能实现故障脉冲的准确提取.
文献关键词：
盲解卷积;奇异值分解(SVD);最小熵解卷积;变转速
中图分类号：
作者姓名：
周涛;赵明;郭栋;欧曙东
作者机构：
西安交通大学机械制造系统工程国家重点实验室,西安710049;重庆理工大学汽车零部件先进制造技术教育部重点实验室,重庆400054
文献出处：
引用格式：
[1]周涛;赵明;郭栋;欧曙东-.基于信号子空间的新型盲解卷积方法)[J].振动与冲击,2022(03):139-147
A类：
B类：
信号子空间,盲解卷积,振动信号,设备运行,运行工况,故障特征,预知,随机冲击,得当,工业现场,复杂环境,奇异值分解,SVD,空间分解,稀疏编码收缩,指标筛选,故障脉冲,脉冲提取,承变,变转速,仿真试验,列车轴承,对子,最小熵解卷积
AB值：
0.323449
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。
