针对在奇异值分解(Singular Value Decomposition,SVD)中,随机噪声对各阶的贡献几乎相等,导致单一SVD降噪效果不理想的问题,提出了基于SVD和频带熵(Frequency Band Entropy,FBE)相结合的轴承故障特征提取方法。针对基于FBE的带通滤波器...针对在奇异值分解(Singular Value Decomposition,SVD)中,随机噪声对各阶的贡献几乎相等,导致单一SVD降噪效果不理想的问题,提出了基于SVD和频带熵(Frequency Band Entropy,FBE)相结合的轴承故障特征提取方法。针对基于FBE的带通滤波器的阶数和带宽需经验确定的问题,提出了基于信息熵最小值原则的参数优化方法。首先,对原始振动信号在相空间重构Hankel矩阵并利用SVD进行降噪处理,采用奇异值相对变化率来确定模型的阶次;然后,对降噪后的信号进行基于FBE的带通滤波,并采用基于信息熵最小值原则的优化方法确定带通滤波器的阶数和带宽。最后,对滤波信号进行包络谱分析,提取轴承故障特征频率,并用峭度指标证明了带通滤波器的有效性。通过数值仿真和实际轴承故障数据分析,证明了该方法提取轴承故障特征频率的有效性。展开更多
文摘针对在奇异值分解(Singular Value Decomposition,SVD)中,随机噪声对各阶的贡献几乎相等,导致单一SVD降噪效果不理想的问题,提出了基于SVD和频带熵(Frequency Band Entropy,FBE)相结合的轴承故障特征提取方法。针对基于FBE的带通滤波器的阶数和带宽需经验确定的问题,提出了基于信息熵最小值原则的参数优化方法。首先,对原始振动信号在相空间重构Hankel矩阵并利用SVD进行降噪处理,采用奇异值相对变化率来确定模型的阶次;然后,对降噪后的信号进行基于FBE的带通滤波,并采用基于信息熵最小值原则的优化方法确定带通滤波器的阶数和带宽。最后,对滤波信号进行包络谱分析,提取轴承故障特征频率,并用峭度指标证明了带通滤波器的有效性。通过数值仿真和实际轴承故障数据分析,证明了该方法提取轴承故障特征频率的有效性。
