基于RPCA低秩稀疏分解的循环频率检测方法

摘要：

在强噪声干扰时循环频率的准确检测对于循环平稳信号处理有重要意义.该研究提出了一种低信噪比(signal-to-noise ratio,SNR)下将基于鲁棒主成分分析(robust principal component analysis,RPCA)的低秩稀疏分解技术应用于循环谱密度(cyclic spectral density,CSD)矩阵,从而进行循环频率检测的新方法.首先,采用RPCA将循环谱密度矩阵分解为表示噪声干扰的低秩矩阵和表示循环平稳特征的稀疏矩阵.随后,利用稀疏矩阵构造检测函数实现循环频率的自动检测.仿真结果证明了该方法在强噪声干扰下检测概率方面的优越性,并可根据检测各阶循环频率谐波的受试者工作特征(receiver operating characteristic,ROC)曲线为不同信噪比条件下选择检测阶数提供参考.为了进一步验证该方法在应用中的有效性,将该方法应用于滚动轴承的早期故障诊断中.滚动轴承加速疲劳寿命试验数据上的分析结果证明该方法能够在轴承早期故障阶段从低SNR的振动信号中准确检测出轴承的故障特征频率,实现轴承的早期故障诊断.

关键词：循环频率检测、鲁棒主成分分析(RPCA)、低秩稀疏分解、循环谱密度(CSD)、滚动轴承故障诊断

所属期刊栏目：42

分类号：TP206.3;TH165.3;TN911(自动化技术及设备)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2023-03-07（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：88-94