旋转机械设备变工况特点导致振动特征不稳定,给故障诊断带来很大困难这一问题。提出一种基于奇异值分解插值(Singular Value Decomposition Interpolation,SVDI)的变工况故障诊断方法,构建离散工况下的振动信号样本,通过奇异值分解将样...旋转机械设备变工况特点导致振动特征不稳定,给故障诊断带来很大困难这一问题。提出一种基于奇异值分解插值(Singular Value Decomposition Interpolation,SVDI)的变工况故障诊断方法,构建离散工况下的振动信号样本,通过奇异值分解将样本特征矩阵分解为奇异向量、旋转矩阵和特征均值,分别对奇异向量、旋转矩阵和特征均值进行插值,再重构实测工况下的特征矩阵,最后通过特征约简、模式识别方法进行故障诊断。该方法可在没有完备样本库的条件下估计出一定范围内任意工况的振动特征,能解决旋转机械设备变工况条件下的故障诊断难题。多种转速下的齿轮箱故障诊断实例证明了该方法的有效性。展开更多
文摘旋转机械设备变工况特点导致振动特征不稳定,给故障诊断带来很大困难这一问题。提出一种基于奇异值分解插值(Singular Value Decomposition Interpolation,SVDI)的变工况故障诊断方法,构建离散工况下的振动信号样本,通过奇异值分解将样本特征矩阵分解为奇异向量、旋转矩阵和特征均值,分别对奇异向量、旋转矩阵和特征均值进行插值,再重构实测工况下的特征矩阵,最后通过特征约简、模式识别方法进行故障诊断。该方法可在没有完备样本库的条件下估计出一定范围内任意工况的振动特征,能解决旋转机械设备变工况条件下的故障诊断难题。多种转速下的齿轮箱故障诊断实例证明了该方法的有效性。
