基于奇异值分解及形态滤波的滚动轴承故障特征提取方法.pdf

《基于奇异值分解及形态滤波的滚动轴承故障特征提取方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第29卷第4期2012牟4月计算机应用研究ApplicationResearchofComputersV01．29No．4Apr．2012基于奇异值分解及形态滤波的滚动轴承故障特征提取方法书李兆飞，柴毅，李华锋(重庆大学自动化学院，重庆400044)摘要：针对滚动轴承振动信号故障特征信息往往被强背景噪声淹没的问题，提出一种基于奇异值分解和形态滤波的振动信号故障特征提取方法。该方法利用信号时间序列重构的吸引子轨迹矩阵奇异值分布特征与信号自身特征的关系，选择轨迹矩阵中主要反映冲击信息明显的奇异值进行信号重构的

2、方法来滤除信号中的平滑信号和部分噪声，获取带噪声的冲击信号；然后利用形态滤波能有效滤除脉冲干扰噪声的特点，反其道而行之，从而提取信号的冲击故障特征的方法，并将该方法应用于轴承的振动信号的故障特征提取。仿真与实例表明，该方法能有效提取强背景信号及噪声中的弱冲击特征信号，是一种有效的弱信号特征提取方法。关键词：奇异值分解；形态滤波；滚动轴承；振动信号；故障特征提取中图分类号：TP391．5文献标志码：A文章编号：1001-3695(2012)04—1314-04doi：10．3969／j．issn．1001-

3、3695．2012．04．031FaultfeatureextractionmethodofrollingbearingbasedonsingularvaluedecompositionandmorphologicalfilteringLIZhao—fei，CHAIYi，LIHua-feng(CollegeofAuwmation，ChongqingUnivenity，Chongqing400044，‰)Abstract：Consideringthestrongnoisebackgroundinfaultf

4、eatureinformationofvibrationsignalinrollingelementbearing，thispaperproposedarollerbearingfaultfeatureextractionmethodbasedonSVDandmorphologicalfiltem．ThismethodmadeUseoftherelationsbetweenthesingularvaluedistributionofthetimeseriestrackmatrixofattractoran

5、dthesignalcharacteris-ticstoselectthewayofreconstructionofsignalbymostpotentialreflectingsingularvalues．Thiswaycouldfiltersmoothinfor-mationandpartialnoiseinthesisma，andgotimpulseinformationwithnoiseinthesignal，thentooktheadvantageofthefea-turethatmorphol

6、ogicalfiltersWasusedtoextractimpulsefeatureinfaultsignaltoactinoppositiontopickouttheextractim-pulsefaultfeatureinsisnalandappliedittofaultfeatureextractionofbearinginvibrationsignal．Resultsofexperimentshowthatthepresentedmethodcanbeusedfortheabstractiono

7、ftheweakfeaturesignalthatmixedinthestrongbackgroundnoise，whichiseffectivetoabstractweakfeaturesignal．Keywords：singularvaluedecomposition(SVD)；morphologicalfiltering；rollingbearing；vibrationsignal；faultfeatureextraction0引言滚动轴承在运行过程中，元件的工作表面损伤点反复撞击与之相接触的其他元

8、件表面而产生冲击振动，该冲击振动的频率称为故障特征频率。在实际工程中，现场采集的非平稳和非高斯分布振动信号往往被各种噪声污染。因此，如何在噪声环境中提取轴承的微弱故障特征信息是轴承故障诊断的关键技术⋯。陈恩利等人雎1利用奇异值分解技术分别选取与故障信息相对应的某几个奇异值来去除噪声和基频信号，利用奇异值分解的逆过程及吸引子矩阵构造算法便可得到对应的近似故障矩阵，将近似故障矩阵叠加即可得到所需的调制故障信号。但是实际工程应用中，