基于O-SVD与FSC的滚动轴承微弱故障特征提取研究

由于滚动轴承的早期微弱故障特征难以被完整地提取出来，为此，提出了一种基于周期优选奇异值分解(O-SVD)和快速谱相关(FSC)的滚动轴承微弱故障提取算法。首先，通过理论和仿真分析，对存在细节特征丢失问题的传统截断奇异值分解(T-SVD)算法进行了改进，提出了一种以相关系数作为指标，判断有效奇异值分解子空间的O-SVD算法；然后，将O-SVD作为信号处理的前置处理单元，对滚动轴承的故障信号进行了分解重构，并将处理后的重构信号进行了快速谱相关计算，得到了特征明显且能够较好保存局部细节特征的增强包络谱；最后，基于仿真模型，分析了现有算法的不足，并以故障识别率为指标，阐明了基于O-SVD与FSC的算法在低信噪比工况下的工程适用性。研究结果表明：与对比算法相比，在滚动轴承早期微弱故障、复合故障和综合故障3种工况下，基于O-SVD与FSC的算法均能够较为完整地提取故障信号特征，具有较好的工程适用性。