基于重分配魏格纳时频谱和SVD的故障诊断
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    时频谱重分配能有效提高时频谱的时频聚集性,减少干扰项。当振动信号中存在着能量较大噪声时,重分配时频谱会受到噪声干扰影响,降低时频分布的可 读性。将重分配魏格纳时频谱(RWVDS)和奇异值分解(SVD)结合形成一种新的机械故 障诊断方法。利用重分配算法对魏格纳时频谱进行重分配,提高魏格纳时频谱的时频聚 集性,再对重分配时频谱进行SVD降噪,降低了噪声干扰影响,提高其时频分布的可读性。该 方法对仿真信号、滚动轴承及齿轮箱故障信号进行了分析,并与其他几种方法作了比较。结果表明,该方法时频聚集性好,抗噪能力强,能有效识别强噪声背景下的机械故障特征 。

    Abstract:

    Reassigned spectrogram can effectively enhance the time-frequency concentration and reduce the misleading interference terms, however, the readability of time-frequency distribution of the reassigned spectrogram is reduced when there exists strong background noise in a signal. So, a new method for mechanical fault diagnosis based on reassigned Wigner-Ville distribution spectrogram (RWVDS) and singular value decomposition (SVD) is proposed. The RWVDS is obtained by using the reassigned algorithm to the Wigner-Ville distribution Spectrogram (WVDS). Then, SVD de-noising is applied to the RWVDS to improve the readability. The experimental analysis in the fault signal of simulation signal, rolling bearing and gear box indicates that the proposed method has excellent time- frequency concentration, good noise restraining ability. It can remove noise and reduce misleading interference terms. Therefore, it is more effective for mechanical fault diagnosis.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2012-05-16
  • 出版日期:
您是第位访问者
振动、测试与诊断 ® 2024 版权所有
技术支持:北京勤云科技发展有限公司