基于凸优化的RPSEMD及其在滚动轴承故障诊断中的应用

发布时间：2021-03-01 04:22

　　为改善再生相移正弦辅助经验模态分解（RPSEMD）在噪声影响下鲁棒性较差的缺陷,引入了一种广义的极小极大凹罚函数（GMC）作为1范数的替代,建立起了基于凸优化的降噪框架。将该凸优化降噪方法作为一种前处理手段,随后利用RPSEMD对预处理过的信号进行模态分解。数值仿真信号和实测轴承故障信号的试验结果,以及与EMD及EEMD的对比分析表明,该方法能够消除模态混叠现象的影响,有效提取轴承的故障特征频率。 

【文章来源】：轴承. 2020,(06)北大核心

【文章页数】：7 页

【文章目录】：
1 理论分析
    1.1 基于GMC罚函数的凸优化降噪算法
        1.1.1 MC罚函数的定义
        1.1.2 MC罚函数的缩放
        1.1.3 广义极大极小凹罚函数的获得
    1.2 RPSEMD理论描述
    1.3 基于凸优化及RPSEMD的故障诊断方法
2 仿真信号分析
3 试验分析
    3.1 试验1
    3.2 试验2
4 结束语


【参考文献】：
期刊论文
[1]基于凸优化的激光诱导击穿光谱基线校正方法[J]. 柯轲,吕勇,易灿灿.  光谱学与光谱分析. 2018(07)
[2]基于变模式分解降噪的滚动轴承故障诊断研究[J]. 刘江,吕勇.  机械设计与制造. 2015(10)
[3]解相关EMD:消除模态混叠的新方法[J]. 肖瑛,殷福亮.  振动与冲击. 2015(04)
[4]基于EMD降噪和谱峭度的轴承故障诊断方法[J]. 张超,陈建军.  机械科学与技术. 2015(02)
[5]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠.  机械工程学报. 2013(01)
[6]EEMD的非平稳信号降噪及其故障诊断应用[J]. 吕建新,吴虎胜,田杰.  计算机工程与应用. 2011(28)



本文编号：3056931