基于SVD降噪和盲信号分离的滚动轴承故障诊断

摘要：

滚动轴承早期微弱故障特征信号往往淹没于系统噪声信号中而难于识别,奇异值分解技术(SVD)可以有效降低噪声水平,提高周期成分的提取能力,盲源分离技术可以分离故障源信号并提取故障特征.将奇异值分解技术和盲信号分离技术的优势应用于滚动轴承故障诊断,利用奇异值分解降噪特性消除系统信号中的混合噪声,对降噪后的信号通过盲信号分离技术进行盲源分离,提取出原始故障信号.数值仿真及实验结果表明,该方法可以成功地分离出滚动轴承实测信号的典型故障,提高滚动轴承故障诊断的效果.

关键词：滚动轴承、故障诊断、奇异值分解、盲信号分离

所属期刊栏目：31

分类号：TH133.3;U272

资助基金：国家自然科学基金项目资助11172183,50975185;河北省重点基础研究资助项目10963528D

在线出版日期：2013-04-15（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：185-190