针对现有的时变自回归(Time-Varying Autoregressive,TVAR)模型应用于滚动轴承故障诊断中的问题,提出一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数...针对现有的时变自回归(Time-Varying Autoregressive,TVAR)模型应用于滚动轴承故障诊断中的问题,提出一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares,RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度、更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。展开更多
文摘针对现有的时变自回归(Time-Varying Autoregressive,TVAR)模型应用于滚动轴承故障诊断中的问题,提出一种前向估计与后向估计相结合的改进模型。该模型在引入时变遗忘因子的基础上,定义了前后向联合估计的均方误差并对基函数的加权系数求偏导,得到加权系数的计算公式,然后利用递推最小二乘(Recursive Least Squares,RLS)方法推导了该计算公式的递推形式。针对滚动轴承内圈故障的仿真和实验信号,使用改进前后的模型进行时频分析。仿真和实验结果表明,改进后的模型有效地克服了现有模型无法获得初始时刻频率估计的缺点,具有更高的时频估计精度、更强的抗噪声能力,能够更加有效地提取滚动轴承的故障特征频率。
