基于压缩动态模式分解的滚动轴承健康监测指标构建

摘要：

目前轴承健康监测指标主要通过统计模型和机器学习等方法建立,其过程比较繁琐且需要人工干预.动态模式分解(DMD)在振动信号分析中已得到有效应用,但DMD在高采样频率下计算耗时严重且占用的计算空间较大.本文结合压缩感知算法和DMD,提出了基于压缩动态模式分解(CDMD)的滚动轴承健康指标构建方法.首先利用一个低维随机观测矩阵生成压缩的Hankel矩阵,以提高轴承振动信号的奇异值分解速度;然后以模式分解得到的特征值为基础,计算出特征值实部的峭度和模式幅值的均方根值(RMS),从而构成更加简单而有效的轴承健康指标.通过仿真信号和实验信号对本文方法进行验证,结果表明,CDMD可以代替DMD实现信号的加速分解并获得精确的特征值,所构建的指标能有效区分轴承生命周期中的不同运行阶段.

关键词：滚动轴承、健康指标、压缩动态模式分解、故障监测、特征值、峭度、模式幅值

所属期刊栏目：45

分类号：TH133.33

资助基金：国家自然科学基金;湖北省自然科学基金创新群体项目;武汉科技大学机械传动与制造工程湖北省重点实验室开放基金资助项目

在线出版日期：2022-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：388-393