典型文献
基于稀疏非负矩阵分解的机械复合故障信号分离方法
文献摘要：
振动信号通常蕴藏着机械设备运行的丰富信息,对振动信号进行监测分析可以感知设备的运行状态.但在复杂工况下采集到的多源耦合信号,很难进行有效地解耦分离并提取.为此,提出了基于稀疏非负矩阵分解(SNMF)的机械复合故障信号分离方法.首先,对传感器采集到的初始信号进行短时傅里叶变换,获取表示特征信息的时频分布;其次,在算法中引入正则化参数控制稀疏程度及重构误差,减少特征信息的冗余成分;然后,利用改进SNMF算法对时频分布矩阵分解降维,将分解后的矩阵在时域中重构分离信号;最后,将得到的重构分离信号进行包络频谱分析,提取故障特征信息,实现机械复合故障信号分离.实验采用含有复合故障的滚动轴承为研究对象,分析结果表明:提出的方法可以有效分离提取出轴承中存在的复合故障特征,实现了复合故障信号的分离与诊断.
文献关键词：
振动信号;稀疏非负矩阵分解;正则化参数;复合故障;故障诊断
中图分类号：
作者姓名：
张文豹;王梦阳;薛向尧;邵明振;王光
作者机构：
中国科学院长春光学精密机械与物理研究所,长春 130033
文献出处：
引用格式：
[1]张文豹;王梦阳;薛向尧;邵明振;王光-.基于稀疏非负矩阵分解的机械复合故障信号分离方法)[J].机电工程技术,2022(06):63-65,81
A类：
B类：
稀疏非负矩阵分解,复合故障,故障信号,信号分离,分离方法,振动信号,蕴藏,机械设备,设备运行,监测分析,复杂工况,多源耦合,难进,解耦,SNMF,短时傅里叶变换,特征信息,时频分布,正则化参数,参数控制,重构误差,分布矩阵,行包,包络,频谱分析,故障特征,滚动轴承,有效分离,分离提取
AB值：
0.288171
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。
