固有成分滤波器的旋转机械故障诊断方法

doi:10.16450/j.cnki.issn.1004-6801.2024.01.024

首页 > 过刊浏览>2024年第44卷第1期 >159-165. DOI:10.16450/j.cnki.issn.1004-6801.2024.01.024

固有成分滤波器的旋转机械故障诊断方法
DOI:
                        10.16450/j.cnki.issn.1004-6801.2024.01.024
                    
作者:
                        
                        
                    
作者单位:1.山东科技大学机械电子工程学院 青岛,266590;2.南京航空航天大学能源与动力学院 南京,210016
作者简介:张宗振，男，1986年11月生，博士、副教授。主要研究方向为振动与噪声控制，机械装备智能故障诊断、微弱故障检测和剩余寿命预测。曾发表《General normalized sparse filtering： a novel unsupervised learning method for rotating machinery fault diagnosis》（《Mechanical Systems and Signal Processing》2019，Vol. 124）等论文。zhzz18@126.com
通讯作者:王金瑞，男，1989年11月生，博士、教授。主要研究方向为振动与噪声控制，机械装备智能故障诊断。 E-mail： wangjr33@163.com
中图分类号:TH113.1;TH133.1
基金项目:国家自然科学基金资助项目 （52105110，52005303，51975276）；山东省自然科学基金资助项目（ZR2021QE024）；国家重点研发计划资助项目（2018YFB2003300）

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:

针对噪声环境下旋转机械微弱复合故障诊断问题，提出了一种强噪声干扰下基于固有成分滤波器（intrinsic component filtering，简称ICF）的旋转机械故障检测和分离方法。ICF通过最小化样本间特征的L1/2范数和样本内特征的L3/2范数来实现样本之间特征的一致性和样本内部特征的稀疏性，并训练出最优滤波器组，是一种无监督多维盲解卷积算法。首先，构建输入信号的Hankel训练矩阵，通过权值矩阵与Hankel矩阵的乘积模拟卷积过程，再利用固有属性滤波器实现特征学习；其次，通过峭度信息选择最优滤波器；最后，根据滤波后的时域波形和包络谱实现故障诊断。仿真和试验信号验证了提出方法的故障诊断性能，研究结果表明，提出的方法无需任何先验经验，可以实现强噪声环境下的微弱故障的分离，同时具备很好的鲁棒性。

Abstract:

参考文献

相似文献

引证文献

引用本文

复制

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:2021-11-26
最后修改日期:2022-02-04
录用日期:
在线发布日期: 2024-02-27
出版日期:

引用本文

分享

文章指标

历史