典型文献
基于SVD和VMD的轴承微弱故障特征提取及分析
文献摘要：
针对轴承微弱故障时冲击信号含有大量噪声且难以提取故障特征频率问题,提出了一种基于奇异值分解(SVD)和变分模态分解(VMD)的轴承故障特征提取方法.该方法先对原始信号进行SVD去噪;再对去噪信号进行VMD分解,得到各个本征模态函数(IMF),根据最大中心频率原则和各个本征模态与去噪信号的相关系数差值确定分解个数,通过加权峭度指标来筛选IMF分量进行重构;最后通过对IMF重构信号进行包络谱分析清晰看到故障特征频率.仿真分析和两种不同轴承试验的结果表明,所提出的方法可有效地抑制噪声,并能得到反映实际故障信息的信号.
文献关键词：
变分模态分解;加权峭度;轴承故障分析;特征提取;奇异值降噪
中图分类号：
作者姓名：
蔡康林;王林军;徐洲常;刘洋;陈保家
作者机构：
三峡大学水电机械设备设计与维护湖北省重点实验室,宜昌 443002;三峡大学机械与动力学院,宜昌 443002
文献出处：
引用格式：
[1]蔡康林;王林军;徐洲常;刘洋;陈保家-.基于SVD和VMD的轴承微弱故障特征提取及分析)[J].组合机床与自动化加工技术,2022(04):70-73,78
A类：
奇异值降噪
B类：
SVD,VMD,微弱故障,冲击信号,故障特征频率,奇异值分解,变分模态分解,轴承故障特征提取,去噪,本征模态函数,IMF,中心频率,加权峭度,峭度指标,重构信号,行包,包络谱分析,同轴,抑制噪声,故障信息,轴承故障分析
AB值：
0.273054
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。
