基于CP分解的滚动轴承微弱故障特征提取
CSTR:
作者:
作者单位:

1.上海海事大学物流工程学院 上海,201306;2.西北工业大学民航学院 西安,710072;3.上海飞机设计研究院大型客机集成技术与模拟飞行全国重点实验室 上海,201210;4.强度与结构完整性全国重点实验室 西安,710065

作者简介:

王冉,女,1986年10月生,博士、副教授、博士生导师。主要研究方向为机械故障诊断与寿命预测、阵列信号处理、噪声源识别与深度学习。曾发表《Sparsity-enhanced equivalent source method for acoustic source reconstruction via the generalized minimax-concave penalty》(《Mechanical Systems and Signal Processing》2022,Vol.167)等论文。

通讯作者:

余亮,男,1984年9月生,博士、教授。主要研究方向为声学阵列测量和智能信号处理、流-声-固耦合分析与控制、气动声学、航空发动机短舱声学设计与测试和控制等。E-mail:liang.yu@nwpu.edu.cn

中图分类号:

TH133.33

基金项目:

国家自然科学基金资助项目(51505277,12474464)


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:

    针对单一传感器获取表征轴承故障的信息有限,且易受背景噪声干扰的问题,提出一种基于张量正则多元(canonical polyadic,简称CP)分解的滚动轴承微弱故障特征提取方法。首先,基于稳定工况下轴承故障脉冲信号的循环平稳特性,采用循环谱相关(spectral correlation,简称SC)分析方法将多通道测量信号分别转换至循环SC域中;其次,将多通道循环SC矩阵按照频率、循环频率与通道索引构建成张量;然后,采用CP分解对故障信息张量进行提取,并将提取的故障特征张量在通道中取均值,得到可有效表征故障特征的循环SC矩阵;最后,使用设计的滤波器和增强包络谱(enhanced envelope spectrum,简称EES)进一步增强故障特征的循环SC矩阵,并通过仿真和实验验证所提方法的有效性。结果表明:所提方法可从较强背景噪声干扰的轴承故障信号中准确有效地提取微弱故障特征。

    Abstract:

    参考文献
    相似文献
    引证文献
引用本文
分享
相关视频

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:2022-10-19
  • 最后修改日期:2023-03-07
  • 录用日期:
  • 在线发布日期: 2025-12-30
  • 出版日期: 2025-12-30
文章二维码
您是第位访问者
振动、测试与诊断 ® 2025 版权所有
技术支持:北京勤云科技发展有限公司