基于改进奇异谱分解的形态学解调方法及其在滚动轴承故障诊断中的应用
针对强背景噪声及干扰源信号影响下滚动轴承故障特征难以检测的问题,提出一种基于改进奇异谱分解的形态学解调方法用于轴承故障诊断.首先,为了克服奇异谱分析按经验性选取嵌入维数长度的缺陷,采用一种新的自适应信号处理方法——奇异谱分解(Singular spectrum decomposition,SSD)进行振动信号分析,该方法通过构建一个轨迹矩阵与自适应选择嵌入维数长度,将非平稳信号从高频至低频依次划分为若干个单分量信号.针对奇异谱分解在分量序列重构过程中两端数据会偏离实际数据值进而引起端点效应现象的问题,提出运用特征波形匹配延拓法对奇异谱分解进行改进,提高其对振动信号的分解质量,获得一系列更接近实际曲线的单分量序列.为准确提取单分量中蕴含的有用故障特征信息,提出一种基于特征能量比自适应确定结构元素最佳尺度的自互补顶帽变换对单分量信号进行形态学解调.最后,分析解调结果的频谱特征并提取突出频率成分,实现轴承故障类型的准确判别.仿真和实测信号分析验证了方法的有效性.
奇异谱分解、端点效应、形态学解调、滚动轴承、故障诊断
53
TH17
国家自然科学基金51675098;高等学校博士学科点专项科研基金20130092110003 资助项目
2017-05-24(万方平台首次上网日期,不代表论文的发表时间)
共9页
104-112