-
题名奇异谱分解联合互信息的主轴轴承故障特征提取研究
被引量：10
- 1
-
-
作者
王振亚
伍星
刘韬
缪护
-
机构
昆明理工大学机电工程学院
云南省先进装备智能制造技术重点实验室
云南机电职业技术学院
昆明云内动力股份有限公司
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第15期23-30,47,共9页
-
基金
国家自然科学基金(52065030)
云南省重大科技专项计划(202102AC08000220)。
-
文摘
奇异谱分解(singular spectrum decomposition, SSD)算法存在当信号信噪比较低时降噪能力较差以及敏感分量个数难以确定的问题。针对上述问题,提出了SSD联合互信息理论(mutual information, MI)的主轴故障特征提取方法。首先,将轴承振动信号经过SSD分解,得到多个奇异谱分量(singular spectral component, SSC);然后分别计算原始信号与SSC之间的互信息,选择最小互信息(minimum mutual information, MinMI)处的分量为最佳分量。由于背景噪声的影响,选取的最佳分量故障特征频率并不明显。因此,基于振动信号特点与互信息理论提出了差分突变互信息(differential mutation mutual information, DMMI)的有效分量保留方法,通过对计算相邻SSC之和之间的MI值,保留突变点内的分量作为敏感信号,在此基础上再依据MinMI原则设计带通滤波器,对敏感信号带通滤波并进行包络解调以提取故障特征频率。通过仿真信号与真实主轴轴承数据分析表明,对信号进行DMMI保留敏感分量,结合MinMI准则的自适应滤波处理在主轴轴承故障特征提取方面表现了优异的性能。
-
关键词
互信息理论(mi)
奇异谱分解(SSD)
轴承振动信号
带通滤波
故障诊断
-
Keywords
mutual information(mi)
singular spectrum decomposition(SSD)
bearing vibration signal
bandpass filtering
fault diagnosis
-
分类号
TH212
[机械工程—机械制造及自动化]
TH213.3
[机械工程—机械制造及自动化]
-
