SVD-LESE在滚动轴承微弱故障识别中的应用研究

摘要：

矿用电机运行过程中环境噪声强且复杂,其滚动轴承的早期故障特征容易被淹没.提出一种有限包络谱熵(LESE)引导的振动信号奇异值分解方法,用于滚动轴承早期故障特征提取.根据待分解信号中频率和奇异值之间的对应关系,将对应同一振动信号成分的奇异分量进行累加作为一个信号子分量进行输出;提出LESE用来解决轴承微弱故障信号经SVD处理后故障敏感信号分量的筛选;最后通过对故障敏感信号分量进行包络谱分析从而确定滚动轴承的故障类型.实验结果表明:上述方法能够实现对轴承早期故障特征提取.有利于及时发现轴承问题.避免设备进一步劣化.

关键词：奇异值分解、滚动轴承、包络谱熵、微弱故障识别

所属期刊栏目：51

分类号：TH133.33

在线出版日期：2023-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：210-214