基于信源估计和频域反卷积的滚动轴承故障特征分离与辨识

发布时间：2017-06-17 01:13

  本文关键词：基于信源估计和频域反卷积的滚动轴承故障特征分离与辨识，由笔耕文化传播整理发布。

【摘要】：针对轴承故障的振动特征由于受到强振源的抑制作用而增加了故障分离与辨识难度的问题,建立了基于信源估计和频域反卷积的故障诊断方法。利用小波包分解将信号分离成多个子带信号,并和奇异值分解相结合,解决欠定条件下的信号源数估计问题;根据估计的源数,选取相应维数的观测信号,通过短时傅里叶变换、复数域独立分量分析、相关排序、短时傅里叶逆变换,完成频域反卷积的分析过程,实现故障特征的分离与提取。仿真信号和实验数据均验证了该方法在故障特征分离与微弱特征辨识中的有效性。
【作者单位】： 北京工业大学先进制造技术北京市重点实验室;卧龙电气章丘海尔电机有限公司;北京市精密测控技术与仪器工程技术研究中心;
【关键词】： 小波包分解 奇异值分解 短时傅里叶变换 复数域独立分量分析 频域反卷积
【基金】：北京市教委科技计划资助项目(KM201410005027)
【分类号】：TH133.33
【正文快照】： 0引言滚动轴承是机械系统中最重要的零部件之一,其运行状态既是监测诊断的重点,也是一大难点。轴承作为支撑部件,其结构振动受到系统内部多个振源的影响,如何实现故障源的有效解耦和准确辨识是一个非常棘手的问题。盲信号处理可根据若干观测信号恢复出无法直接观测的各个源信

【相似文献】

中国期刊全文数据库 前10条

1 孙圣和,郑福春,彭喜源;消除等效取样时基抖动影响的反卷积方法[J];计量学报;1989年02期

2 欧阳羲同;;横向反卷积在超声检测中的应用[J];东南大学学报;1989年02期

3 肖跃,崔一平;一种基于小波的光谱反卷积方法(英文)[J];Journal of Southeast University(English Edition);2003年01期

4 李孝文,曾小玲;实时反卷积的实现[J];计量学报;1990年01期

5 文德智;李正宏;蒋世伦;;时幅连续信号数值反卷积方法及其应用[J];原子能科学技术;2008年05期

6 程良彦;宋振华;王志华;马宏伟;;基于小波反卷积的冲击力识别[J];暨南大学学报(自然科学版);2008年05期

7 吴义芳,汤俊雄,赵奕平,郑乐民;一种高分辨谱方法的建议——反卷积法[J];量子电子学;1992年01期

8 杨梅;反卷积技术及其在工程中的应用[J];成都电子机械高等专科学校学报;1999年03期

9 沈晓安;;基于支持向量回归机的反卷积技术[J];机床与液压;2009年03期

10 王万树,孟卫林;频域数字反卷积新的迭代法[J];计量学报;1988年02期

中国重要会议论文全文数据库 前6条

1 吴新星;李明;李目海;单佩韦;;网络微积分中最小加反卷积的研究[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

2 卢少平;;基于盲反卷积的图像上采样算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

3 李栋栋;郭学彬;瞿安连;徐涛;;应用三维荧光反卷积显微技术观察活体细胞[A];中国生理学会第21届全国代表大会暨学术会议论文摘要汇编[C];2002年

4 熊俊;李栋栋;瞿安连;;活体细胞四维图像科学可视化方法的研究[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

5 苏兆锋;杨海亮;孙剑锋;丛培天;王亮平;;“强光一号”加速器能谱测量实验中的波形还原问题初探[A];第十二届反应堆数值计算与粒子输运学术会议论文集[C];2008年

6 李育杉;戴宪华;刘军;;一种时变MIMO系统盲反卷积模型[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

中国博士学位论文全文数据库 前2条

1 孙小君;最优和自校正多传感器信息融合白噪声反卷积估值器[D];黑龙江大学;2010年

2 娄帅;多尺度变换域图像反卷积理论研究[D];哈尔滨工业大学;2010年

中国硕士学位论文全文数据库 前10条

1 李鹤;利用反卷积提高布里渊光纤传感系统空间分辨率的研究[D];哈尔滨工业大学;2015年

2 孙世豹;基于传递函数评价的共焦显微图像反卷积降噪处理算法研究[D];哈尔滨工业大学;2015年

3 马威锋;CLAD反卷积方法中噪声抑制效应的探究[D];南方医科大学;2015年

4 邹岸;听觉诱发电位的一种刺激序列优化技术及反卷积方法[D];南方医科大学;2015年

5 袁雪寒;基于反卷积网络的图像模式学习及应用[D];华南理工大学;2016年

6 蔡晓燕;医学超声信号反卷积研究[D];东南大学;2006年

7 陈扬钛;反卷积网络图像表述与复原[D];国防科学技术大学;2011年

8 郭淑贞;基于高阶谱和小波分析的超声医学图像反卷积研究[D];东南大学;2005年

9 王佳伟;统一和通用的信息融合白噪声反卷积估值器[D];黑龙江大学;2007年

10 李志娟;基于球面反卷积稀疏成像的脑白质纤维跟踪算法研究[D];浙江工业大学;2014年

  本文关键词：基于信源估计和频域反卷积的滚动轴承故障特征分离与辨识，，由笔耕文化传播整理发布。

本文编号：456983