刘英杰, 范玉刚, 黄国勇, 毛 敏
(1.昆明理工大学 信息工程与自动化学院,云南 昆明 650500;2.云南省矿物管道输送工程技术研究中心,云南 昆明 650500)
基于SVD-AR模型与VPMCD的轴承故障诊断方法*
刘英杰1,2, 范玉刚1,2, 黄国勇1,2, 毛 敏1,2
(1.昆明理工大学信息工程与自动化学院,云南昆明650500;2.云南省矿物管道输送工程技术研究中心,云南昆明650500)
针对强噪声背景下振动信号故障特征难以提取的问题,提出了基于奇异值分解的自回归(SVD-AR)模型,用于提取振动信号的特征,并与变量预测模型模式识别(VPMCD)方法相结合应用于轴承故障诊断。对轴承振动信号进行SVD;然后,利用奇异值差分谱对分量信号进行筛选,对能够反映故障信息的分量信号建立AR模型,提取轴承振动信号的特征信息;采用VPMCD对滚动轴承运行状态进行识别。实验证明了方法的合理性和有效性。
奇异值分解; 自回归模型; 变量预测模型; 奇异值差分谱; 故障诊断
如今在机械故障诊断领域中,轴承已成为旋转机械设备中最为常见,且最易损坏的零部件之一[1,2],一旦运行出现问题将影响整机的正常工作,因此,对其进行监测和诊断研究有重要意义。
有效提取轴承运行中的故障特征,并监测滚动轴承的运行状态已成为目前的研究热点,并取得了丰硕的研究成果[3~6]。奇异值分解(singular value decomposition,SVD)能够克服在强噪声背景下的干扰,有效地检测突变信息,同时可以降低数据维数,将高维相关变量压缩为低维矢量,并能够反映信号特征的内部联系[1],所以,在信号分析处理等很多领域都得到了广泛应用[7]。……