《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

基于O-SVD与FSC的滚动轴承微弱故障特征提取研究

作者：张震,刘保国,周万春,等. 日期：2022-08-17/span> 浏览：1392 查看PDF文档

基于O-SVD与FSC的滚动轴承

微弱故障特征提取研究*

张震1,刘保国2*,周万春1,黄传金1

(1.郑州工程技术学院机电与车辆工程学院,河南郑州 450000;

2.河南工业大学机械工程学院,河南郑州 450001)

摘要:由于滚动轴承的早期微弱故障特征难以被完整地提取出来,为此,提出了一种基于周期优选奇异值分解(O-SVD)和快速谱相关(FSC)的滚动轴承微弱故障提取算法。首先,通过理论和仿真分析,对存在细节特征丢失问题的传统截断奇异值分解(T-SVD)算法进行了改进,提出了一种以相关系数作为指标,判断有效奇异值分解子空间的O-SVD算法;然后,将OSVD作为信号处理的前置处理单元,对滚动轴承的故障信号进行了分解重构,并将处理后的重构信号进行了快速谱相关计算,得到了特征明显且能够较好保存局部细节特征的增强包络谱;最后,基于仿真模型,分析了现有算法的不足,并以故障识别率为指标,阐明了基于O-SVD与FSC的算法在低信噪比工况下的工程适用性。研究结果表明:与对比算法相比,在滚动轴承早期微弱故障、复合故障和综合故障3种工况下,基于OSVD与FSC的算法均能够较为完整地提取故障信号特征,具有较好的工程适用性。

关键词:旋转机械;微弱故障;特征提取;优选奇异值分解;快速谱相关;降噪分离

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2022)06-0799-07

本文引用格式:

张震,刘保国,周万春,等.基于O-SVD与FSC的滚动轴承微弱故障特征提取研究［J］.机电工程,2022,39(6):799-805.

ZHANG Zhen, LIU Bao-guo, ZHOU Wan-chun, et al. Weak fault feature extraction of bearing based on O-SVD and FSC［J］.Journal of Mechanical & Electrical Engineering, 2022,39(6):799-805.