基于改进稀疏表征的轴箱轴承故障诊断算法
CSTR:
作者:
作者单位:

1西南交通大学机械工程学院 成都,610031;2中车青岛四方机车车辆股份有限公司 青岛,266111;3中车工业研究院有限公司 北京,100071;4西南交通大学轨道交通运载系统全国重点实验室 成都,610031

作者简介:

闫磊,男,1981年2月生,博士生、教授级高级工程师。主要研究方向为轨道列车旋转机器故障诊断及信号处理等。曾发表《A blind deconvolution approach based on spectral harmonics-to-noise ratio for rotating machinery condition monitoring》(《IEEE Transactions on Automation Science and Engineering》2023,Vol.20,No.2)等论文。

通讯作者:

陈春俊,男,1967年7月生,博士、教授。主要研究方向为信号特征提取高速、轨道列车运行状态监测等。E-mail:cjchen@swjtu.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 52505133 52272355四川省自然科学基金资助项目 2022NSFSC1918 2023YFG0065牵引动力国家重点实验室自主课题资助项目 2020TPL-T14国家自然科学基金资助项目(52505133,52272355);四川省自然科学基金资助项目(2022NSFSC1918,2023YFG0065);牵引动力国家重点实验室自主课题资助项目(2020TPL-T14)


Author:
Affiliation:

Fund Project:

国家自然科学基金资助项目 52505133 52272355四川省自然科学基金资助项目 2022NSFSC1918 2023YFG0065牵引动力国家重点实验室自主课题资助项目 2020TPL-T14国家自然科学基金资助项目(52505133,52272355);四川省自然科学基金资助项目(2022NSFSC1918,2023YFG0065);牵引动力国家重点实验室自主课题资助项目(2020TPL-T14)

  • 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:

    高速列车转向架中轴箱轴承的时域信号复杂且干扰显著,为了实现从中提取有效故障信息,构建了一种改进的稀疏表征分析框架,并提出一种融合快速迭代滤波和字典学习机制的自适应稀疏特征提取算法。首先,将仿真信号和试验信号的处理结果进行了对比;其次,引入循环提取策略,使得算法具备识别多种并发故障特征的能力;最后,在该框架中设计了多种自适应筛选准则,进一步增强了稀疏表征方法在故障特征提取过程中的灵活性和适应性。结果表明,所提算法在故障特征原子学习的鲁棒性方面相较传统字典学习模型有显著提升,验证了算法的有效性。

    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:2025-03-25
  • 最后修改日期:2025-10-15
  • 录用日期:
  • 在线发布日期: 2026-10-26
  • 出版日期:
文章二维码
您是第位访问者
振动、测试与诊断 ® 2026 版权所有
技术支持:北京勤云科技发展有限公司