基于SVD和熵优化频带熵的滚动轴承故障诊断研究

摘要：

针对在奇异值分解(Singular Value Decomposition,SVD)中,随机噪声对各阶的贡献几乎相等,导致单一SVD降噪效果不理想的问题,提出了基于SVD和频带熵(Frequency Band Entropy,FBE)相结合的轴承故障特征提取方法.针对基于FBE的带通滤波器的阶数和带宽需经验确定的问题,提出了基于信息熵最小值原则的参数优化方法.首先,对原始振动信号在相空间重构Hankel矩阵并利用SVD进行降噪处理,采用奇异值相对变化率来确定模型的阶次;然后,对降噪后的信号进行基于FBE的带通滤波,并采用基于信息熵最小值原则的优化方法确定带通滤波器的阶数和带宽.最后,对滤波信号进行包络谱分析,提取轴承故障特征频率,并用峭度指标证明了带通滤波器的有效性.通过数值仿真和实际轴承故障数据分析,证明了该方法提取轴承故障特征频率的有效性.

关键词：故障诊断、滚动轴承、奇异值分解、频带熵、带通滤波

所属期刊栏目：31

分类号：TH165+.3;TN911.7

资助基金：国家自然科学基金资助项目51465022;昆明理工大学引进人才基金资助项目KKSY201401096,14118992;云南省科技厅重点资助项目2017FA028

在线出版日期：2018-06-19（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：358-364