μ-SVD降噪算法及其在齿轮故障诊断中的应用

被引：77

作者：

曾鸣

杨宇

郑近德

程军圣

机构：

[1] 湖南大学汽车车身先进设计制造国家重点实验室

来源：

机械工程学报 | 2015年 / 51卷 / 03期

关键词：

降噪; μ-奇异值分解; 滤值因子; 故障诊断; 齿轮;

D O I：

暂无

中图分类号：

TH165.3 []; TH132.41 [齿轮及齿轮传动];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

为了提取机械设备被强背景噪声淹没的故障特征,采用一种具有通用意义的基于奇异值分解(Singular value decomposition,SVD)的子空间降噪算法对信号进行处理,即?-SVD降噪算法。传统的SVD降噪算法是?-SVD降噪算法中拉格朗日乘子??0时的一种特殊情况。?-SVD降噪算法包含滤值因子,能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。?-SVD降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了?-SVD降噪算法的参数选择方法,并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明,?-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法,可以在强背景噪声情况下更好地提取出齿轮的故障特征。

引用

页码：95 / 103

页数：9

共 8 条

[1]

基于非线性多参数的旋转机械故障诊断方法 [J].

王炳成 ;

任朝晖 ;

闻邦椿 .

机械工程学报, 2012, 48 (05) :63-69

[2]

基于非抽样提升小波包及奇异值分解的液阀故障诊断 [J].

陈敬龙 ;

张来斌 ;

段礼祥 ;

胡超 .

机械工程学报, 2011, 47 (09) :72-77

[3]

基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法 [J].

汤宝平 ;

蒋永华 ;

张详春 .

机械工程学报, 2010, 46 (05) :37-42+48

[4]

奇异值差分谱理论及其在车床主轴箱故障诊断中的应用 [J].

赵学智 ;

叶邦彦 ;

陈统坚 .

机械工程学报, 2010, 46 (01) :100-108

[5]

基于奇异谱的降噪方法及其在故障诊断技术中的应用 [J].

吕志民 ;

张武军 ;

徐金梧 ;

翟绪圣 .

机械工程学报, 1999, (03)

[6]

Optimal sinusoidal modelling of gear mesh vibration signals for gear diagnosis and prognosis.[J].Zhihong Man;Wenyi Wang;Suiyang Khoo;Juliang Yin.Mechanical Systems and Signal Processing.2012,

[7]

Generalized phase space projection for nonlinear noise reduction.[J].Michael T. Johnson;Richard J. Povinelli.Physica D: Nonlinear Phenomena.2005, 3

[8]

Practical method for determining the minimum embedding dimension of a scalar time series.[J].Liangyue Cao.Physica D: Nonlinear Phenomena.1997, 1

← 1 →