基于奇异向量频谱的工频干扰消除方法

发布时间：2018-10-24 21:48

【摘要】：针对旋转机械振动信号中的工频干扰问题,提出了基于奇异向量频谱的消除方法.振动信号经奇异值分解后,信号中的有用成分和工频分量被分解到不同的正交子空间.因奇异值谱表征信号中各个成分的能量分布,故先由奇异值谱估计与工频相应的奇异向量所在的子空间范围,然后在该范围的子空间内根据奇异向量的频谱特征确定与工频成分对应的奇异向量,进而确定工频成分对应的奇异值,将这些奇异值置0,用其余的奇异值和奇异向量重构为时域信号,从而达到消除工频干扰的目的.仿真和试验结果表明,所提出的工频干扰消除方法是有效的,在消除信号中工频干扰成分的同时不会影响信号的其他成分.
[Abstract]:To solve the problem of power frequency interference in vibration signals of rotating machinery, a method based on singular vector spectrum is proposed. After the vibration signal is decomposed by singular value, the useful components and power frequency components of the signal are decomposed into different orthogonal subspaces. Because the singular value spectrum represents the energy distribution of each component in the signal, the singular value spectrum is first used to estimate the range of the singular vector corresponding to the power frequency. Then the singular vector corresponding to the power frequency component is determined in the subspace of the range according to the spectral characteristics of the singular vector, and then the singular value corresponding to the power frequency component is determined. These singular values are set to 0, and the other singular values and singular vectors are reconstructed into time domain signals, thus eliminating the power frequency interference. The simulation and experimental results show that the proposed power frequency interference cancellation method is effective and will not affect other components of the signal while eliminating the power frequency interference components.
【作者单位】： 华南理工大学机械与汽车工程学院;
【基金】：国家“863”计划项目(2015AA043005) 广州市南沙区科技计划项目(2014CX07)~~
【分类号】：TH17

【参考文献】

相关期刊论文 前10条

1 张晓涛;李伟光;;基于谐波小波和SVD的可倾瓦滑动轴承工频干扰抑制[J];华南理工大学学报(自然科学版);2016年10期

2 赵玲;刘小峰;娄路;;复小波分解联合SVD提取振动信号非平稳特征[J];振动.测试与诊断;2015年04期

3 马文朋;张俊红;马梁;刘昱;贾晓杰;;改进的经验模式分解在机械故障诊断中的应用[J];振动.测试与诊断;2015年04期

4 翟亚宁;杨兆建;;基于小波包能量谱和BP神经网络的转子系统扭矩激励识别[J];中国农机化学报;2015年03期

5 徐晓华;席艳秋;潘舟金;陆林;陈];;奇异向量空间双聚类算法[J];微电子学与计算机;2012年03期

6 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

7 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

8 刘科峰;张韧;李文才;赵中军;江海英;;奇异值分解与神经网络结合的卫星云图云团移动预测[J];解放军理工大学学报(自然科学版);2008年03期

9 王立会;潘冬明;;一种消除心电信号中工频干扰的陷波器设计[J];医疗设备信息;2007年07期

10 张克南;陆扬;谢里阳;郑进文;万年红;;基于SVD方法的弱故障特征提取方法[J];机床与液压;2006年10期

【共引文献】

相关期刊论文 前10条

1 蒋立辉;刘杰生;熊兴隆;王维波;李猛;;光纤周界入侵信号特征提取与识别方法的研究[J];激光与红外;2017年07期

2 黄刚劲;范玉刚;冯早;齐鹏;;基于SVD——形态降噪的TKEO故障诊断方法研究[J];传感器与微系统;2017年07期

3 袁涛;张尚斌;何清波;;时变奇异值分解在轴承故障特征提取中的应用研究[J];机械与电子;2017年06期

4 姜战伟;郑近德;潘海洋;潘紫微;;POVMD与包络阶次谱的变工况滚动轴承故障诊断[J];振动.测试与诊断;2017年03期

5 李志星;石博强;;自适应奇异值分解的随机共振提取微弱故障特征[J];农业工程学报;2017年11期

6 秦波;王祖达;孙国栋;王建国;;VMD能量熵与核极限学习机在滚动轴承故障诊断中的应用[J];中国测试;2017年05期

7 李伟光;张晓涛;;基于奇异向量频谱的工频干扰消除方法[J];华南理工大学学报(自然科学版);2017年05期

8 魏永合;魏超;冯睿智;王晶晶;;EEMD与SVD的齿轮故障诊断技术研究[J];沈阳理工大学学报;2017年02期

9 温广瑞;栾日维;任延晖;马再超;;相空间稀疏化的信号压缩感知与重构方法[J];振动.测试与诊断;2017年02期

10 符颖;王星;周东青;范翔宇;周一鹏;;基于模糊函数SVD和改进S3VM的雷达信号识别[J];计算机工程与应用;2017年06期

【二级参考文献】

相关期刊论文 前10条

1 唐炬;董玉林;樊雷;李莉苹;;基于Hankel矩阵的复小波 奇异值分解法提取局部放电特征信息[J];中国电机工程学报;2015年07期

2 蔡剑华;李晋;;基于频率域小波去噪的大地电磁信号工频干扰处理[J];地质与勘探;2015年02期

3 张营;左洪福;佟佩声;陈志雄;白芳;;基于谱插值和奇异值差分谱的滚动轴承静电监测信号去噪方法[J];航空动力学报;2014年08期

4 敖春来;邹连亮;姜晓军;杨杰;郭树周;罗礼辉;;基于独立分量分析的自然电位测井曲线工频干扰消除[J];西部探矿工程;2014年01期

5 胥永刚;孟志鹏;陆明;付胜;;双树复小波和奇异差分谱在滚动轴承故障诊断中的应用[J];振动工程学报;2013年06期

6 李伟光;彭U，

本文编号：2292653