基于Morlet小波-SVD和VPMCD的故障诊断方法研究

摘要：

如何在含有噪声的振动信号中提取特征参数,是轴承故障诊断的关键问题,为此提出一种基于Morlet小波-奇异值分解(Singular Value Decomposition,SVD)和变量预测模型模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)的故障诊断方法.首先对时域采样信号进行Morlet小波变换预处理,将所得时频系数矩阵进行SVD分析,根据奇异值曲率谱特征滤除噪声,以提取相应尺度下的微弱故障信息;然后自适应选取最佳尺度附近的分量信号,并将Shannon能量熵作为特征参数,以此构建特征向量,用于建立基于VPMCD的故障识别模型.实验采用5折交叉验证法及Jackknife检验法对所提方法进行检验,结果证明了所提方法的有效性.

关键词：奇异值分解、变量预测模型、小波变换、能量熵、故障诊断

所属期刊栏目：39

分类号：TH165.3

资助基金：The project supported by the National Natural Science Foundation of China51169007;the Science & Research Program of Yunnan Province2012CA022,2013 DH034;the Reserve Personnel Training Program of Middle and Young Academic and Technical Leaders of Yunnan Province No.2011CI017.国家自然科学基金项目51169007;云南省科技计划项目2012CA022,2013DH034;云南省中青年学术和技术带头人后备人才培养计划项目2011CI017

在线出版日期：2017-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：247-253