| 基于SVD和SSA-VMD降噪的轴承故障特征提取 |
| |
| 引用本文： | 邢芷恺,刘永葆,霍玉鑫,王 强.基于SVD和SSA-VMD降噪的轴承故障特征提取[J].热能动力工程,2022,37(9):178. |
| |
| 作者姓名： | 邢芷恺 刘永葆 霍玉鑫 王 强 |
| |
| 作者单位： | 海军工程大学 动力工程学院，湖北 武汉 430033;中国船舶重工集团公司第703研究所，黑龙江 哈尔滨 150078 |
| |
| 基金项目： | 国家科技重大专项（J2019-IV-0021，J2019-I-0012）；湖北省自然科学基金（2020CFB536） |
| |
| 摘 要： | 针对强噪声背景下轴承故障特征提取困难的问题，提出一种基于奇异值分解和参数优化变分模态分解联合降噪的轴承故障特征提取方法(SSVMD)：首先，对原始信号进行奇异值分解(Singular Value Decomposition，SVD)处理，运用奇异值差分谱法选取有效奇异值并将原始信号重构得到初步降噪信号；其次，为防止故障信息丢失，将残余信号进行麻雀算法(Sparrow Search Algorithm，SSA)优化的变分模态分解(Variational Mode Decomposition，VMD）算法处理，得到最佳的模态个数K和惩罚参数α，选取峭度值最大、包络熵最小的IMF分量与初步降噪信号叠加得到最终降噪信号，并对信号进行包络分析；最后，通过仿真和试验数据分析得出，该方法能在信噪比很低的情况下降低噪声含量并提取轴承故障特征，为设备的状态监测和故障诊断提供理论依据。
|
| 关 键 词： | 强噪声背景 联合降噪 特征提取 奇异值分解 |
Bearing Fault Feature Extraction based on SVD and SSA-VMD De-noising |
| |
| XING Zhi-kai,LIU Yong-bao,HUO Yu-xin,WANG Qiang.Bearing Fault Feature Extraction based on SVD and SSA-VMD De-noising[J].Journal of Engineering for Thermal Energy and Power,2022,37(9):178. |
| |
| Authors: | XING Zhi-kai LIU Yong-bao HUO Yu-xin WANG Qiang |
| |
| Affiliation: | College of Power Engineering,Naval University of Engineering,Wuhan,China,Post Code:430033;No.703 Research Institute of CSSC,Harbin,China,Post Code:150078 |
| |
| Abstract: | |
| |
| Keywords: | strong noise background combined de-noising feature extraction singular value decomposition |
|
| 点击此处可从《热能动力工程》浏览原始摘要信息 |
|
点击此处可从《热能动力工程》下载全文 |
