| 基于SVD降噪和盲信号分离的滚动轴承故障诊断 |
| |
| 引用本文： | 陈恩利,张玺,申永军,曹轩铭.基于SVD降噪和盲信号分离的滚动轴承故障诊断[J].振动与冲击,2012,31(23):185-190. |
| |
| 作者姓名： | 陈恩利 张玺 申永军 曹轩铭 |
| |
| 作者单位： | 石家庄铁道大学机械工程学院，河北 石家庄 050043 |
| |
| 基金项目： | 国家自然科学基金项目资助(11172183,50975185);河北省重点基础研究资助项目(10963528D) |
| |
| 摘 要： | 滚动轴承早期微弱故障特征信号往往淹没于系统噪声信号中而难于识别，奇异值分解技术（SVD ）可以有效降低噪声水平，提高周期成分的提取能力，盲源分离技术可以分离故障源信号并提取故障特征。本文将奇异值分解技术和盲信号分离技术的优势应用于滚动轴承故障诊断，利用奇异值分解降噪特性消除系统信号中的混合噪声，对降噪后的信号通过盲信号分离技术进行盲源分离，提取出原始故障信号。数值仿真及实验结果表明，该方法可以成功地分离出滚动轴承实测信号的典型故障，提高滚动轴承故障诊断的效果。
|
| 关 键 词： | 滚动轴承 故障诊断 奇异值分解 盲信号分离 |
| 收稿时间： | 2012-3-2 |
| 修稿时间： | 2012-5-29 |
Fault diagnosis of rolling bearings based on SVD denoising and blind signals separation |
| |
| CHEN En-li,ZHANG Xi,SHEN Yong-jun,CAO Xuan-ming.Fault diagnosis of rolling bearings based on SVD denoising and blind signals separation[J].Journal of Vibration and Shock,2012,31(23):185-190. |
| |
| Authors: | CHEN En-li ZHANG Xi SHEN Yong-jun CAO Xuan-ming |
| |
| Affiliation: | (School of Mechanical Engineering,Shijiazhuang Tiedao University,Shijiazhuang 050043,China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《振动与冲击》浏览原始摘要信息 |
|
点击此处可从《振动与冲击》下载全文 |
|
