10.13465/j.cnki.jvs.2023.15.004
奇异谱分解联合互信息的主轴轴承故障特征提取研究
奇异谱分解(singular spectrum decomposition,SSD)算法存在当信号信噪比较低时降噪能力较差以及敏感分量个数难以确定的问题.针对上述问题,提出了 SSD联合互信息理论(mutual information,MI)的主轴故障特征提取方法.首先,将轴承振动信号经过SSD分解,得到多个奇异谱分量(singular spectral component,SSC);然后分别计算原始信号与SSC之间的互信息,选择最小互信息(minimum mutual information,MinMI)处的分量为最佳分量.由于背景噪声的影响,选取的最佳分量故障特征频率并不明显.因此,基于振动信号特点与互信息理论提出了差分突变互信息(differential mutation mutual information,DMMI)的有效分量保留方法,通过对计算相邻SSC之和之间的MI值,保留突变点内的分量作为敏感信号,在此基础上再依据MinMI原则设计带通滤波器,对敏感信号带通滤波并进行包络解调以提取故障特征频率.通过仿真信号与真实主轴轴承数据分析表明,对信号进行DMMI保留敏感分量,结合MinMI准则的自适应滤波处理在主轴轴承故障特征提取方面表现了优异的性能.
互信息理论(MI)、奇异谱分解(SSD)、轴承振动信号、带通滤波、故障诊断
42
TH212;TH213.3(起重机械与运输机械)
国家自然科学基金;云南省重大科技专项计划
2023-08-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
23-30,47