基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法
本文选题:奇异值分解 + 降噪 ; 参考:《振动与冲击》2017年03期
【摘要】:为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。
[Abstract]:In order to improve the signal-to-noise ratio (SNR) of fault vibration signals of rotating machinery, the principle of singular value decomposition (SVD) denoising is studied, and a new method for determining the effective rank order of SVD denoising is proposed. Firstly, the vibration signal is reconstructed in phase space, and singular value decomposition is carried out on the track matrix of the attractor. Then, the singular value is divided into signal group and noise group according to different order, and the order of each group is taken as the independent variable. Taking singular value as dependent variable, the characteristic singular value curve and noise characteristic singular value curve of quasi-synthetic signal are used, and the fitting error is obtained. Finally, the order of singular value corresponding to the minimum value of fitting error is determined to be the order of effective rank. Singular value decomposition is used to reduce noise. Numerical simulation and actual gear fault data analysis show that this method can effectively improve the signal-to-noise ratio of the signal and create favorable conditions for the later fault feature extraction.
【作者单位】: 海军航空工程学院飞行器工程系;海军航空工程学院飞行器检测与应用研究所;
【基金】:国家部委预研基金资助(9140A27020214JB1446)
【分类号】:TH17
【参考文献】
相关期刊论文 前7条
1 王建国;李健;刘颖源;;一种确定奇异值分解降噪有效秩阶次的改进方法[J];振动与冲击;2014年12期
2 王树青;林裕裕;孟元栋;高志强;;一种基于奇异值分解技术的模型定阶方法[J];振动与冲击;2012年15期
3 王益艳;;基于特征均值的SVD信号去噪算法[J];计算机应用与软件;2012年05期
4 钱征文;程礼;李应红;;利用奇异值分解的信号降噪方法[J];振动.测试与诊断;2011年04期
5 赵学智;叶邦彦;陈统坚;;奇异值差分谱理论及其在车床主轴箱故障诊断中的应用[J];机械工程学报;2010年01期
6 赵学智;陈统坚;叶邦彦;;基于奇异值分解的铣削力信号处理与铣床状态信息分离[J];机械工程学报;2007年06期
7 朱启兵,刘杰,李允公,闻邦椿;基于结构风险最小化原则的奇异值分解降噪研究[J];振动工程学报;2005年02期
【共引文献】
相关期刊论文 前10条
1 李俊卿;朱锦山;沈亮印;康文强;;SVD滤波与改进小生境遗传算法在双馈异步电机转子匝间短路故障量提取中的应用[J];华北电力大学学报(自然科学版);2017年02期
2 刘秀丽;徐小力;;风电机组齿轮箱早期故障弱特征信息提取方法[J];北京信息科技大学学报(自然科学版);2017年01期
3 崔伟成;许爱强;李伟;孟凡磊;;基于拟合误差最小化原则的奇异值分解降噪有效秩阶次确定方法[J];振动与冲击;2017年03期
4 董杨;范大昭;纪松;雷蓉;;主成分分析的匹配点对提纯方法[J];测绘学报;2017年02期
5 陈骏杰;师蔚;胡定玉;;基于IMF聚合与SVD的城轨车辆牵引电机轴承故障诊断[J];测控技术;2017年01期
6 周柏彤;刘增力;朱健晨;;关于多种模态分解方法的分离效果的差别探讨[J];信息技术;2016年12期
7 张小明;唐建;韩锦;;基于SVD的EMD模态混叠消除方法[J];噪声与振动控制;2016年06期
8 齐鹏;范玉刚;冯早;;基于ITD和敏感SVD的故障诊断方法研究[J];华中师范大学学报(自然科学版);2016年06期
9 尹爱军;张泉;戴宗贤;;任意阶PDE降噪特性分析[J];振动.测试与诊断;2016年06期
10 何刘;林建辉;刘新厂;黄衍;;万向轴动不平衡检测的改进DTCWT-SVD方法[J];振动与冲击;2016年22期
【二级参考文献】
相关期刊论文 前10条
1 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年23期
2 钱征文;程礼;李应红;;利用奇异值分解的信号降噪方法[J];振动.测试与诊断;2011年04期
3 崔丽洁;郑江滨;李秀秀;;基于SVD背景抑制和粒子滤波的弱小目标检测[J];计算机应用研究;2011年04期
4 周立;柳春华;蒋天发;;基于小波变换和奇异值分解的图像水印算法[J];武汉大学学报(工学版);2011年01期
5 吴浩浩;罗志增;;基于构造Hankel矩阵的SVD陷波方法[J];计算机应用研究;2010年12期
6 赵学智;叶邦彦;陈统坚;;基于奇异值曲率谱的有效奇异值选择[J];华南理工大学学报(自然科学版);2010年06期
7 汤宝平;蒋永华;张详春;;基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法[J];机械工程学报;2010年05期
8 赵学智;叶邦彦;陈统坚;;奇异值差分谱理论及其在车床主轴箱故障诊断中的应用[J];机械工程学报;2010年01期
9 孙鑫晖;张令弥;王彤;;基于奇异值分解的频响函数降噪方法[J];振动、测试与诊断;2009年03期
10 王大军;黄登山;汤春荣;蔡会甫;;基于奇异值分解处理相干信号的新方法[J];西北工业大学学报;2009年04期
【相似文献】
相关期刊论文 前2条
1 马寨璞,黄大吉,章本照;应用SVD分解简化卡尔曼增益计算的理论研究[J];浙江大学学报(工学版);2003年01期
2 ;[J];;年期
,本文编号:1857411
本文链接:https://www.wllwen.com/jixiegongchenglunwen/1857411.html