滚动轴承故障诊断的最优加权路图GFT冲击提取方法

发布时间：2023-02-19 15:51

　　滚动轴承发生局部故障时将产生由共振频率调制的周期瞬态冲击,有效提取冲击特征是诊断滚动轴承故障的关键。图信号处理方法(Graph Signal Processing,GSP)是基于图谱理论发展起来的新研究领域,将振动信号转换为图信号进行分析,能有效揭示振动信号特性。对高斯函数加权下的路图拉普拉斯矩阵进行特征分解,发现代数连通度(Algebraic Connectivity)以内的特征向量存在明显的冲击,因此提出利用代数连通度以内的特征向量结合逆图傅里叶变换(Graph Fourier Transform,GFT)重构故障信号中冲击分量的方法。高斯加权函数中的热核宽度决定冲击特征向量的分布,直接影响重构结果,为解决热核宽度的选择问题,提出结合粒子群算法(Particle Swarm Optimization,PSO)确定最优热核宽度;然后利用最优特征向量组重构冲击信号,并进行包络解调;最后实现滚动轴承故障的有效诊断。算法仿真和应用实例表明,基于最优加权的路图GFT方法能有效地重构滚动轴承故障冲击特征,诊断故障类型。

【文章页数】：10 页

【文章目录】：
引言
1 GFT与高斯函数加权路图
    1.1 图与图傅里叶变换
    1.2 路图拉普拉斯矩阵特征分解与冲击特征
    1.3 热核宽度参数对冲击特征重构结果的影响
2 基于最优加权路图GFT的滚动轴承故障诊断
3 仿真分析
4 应用实例
5 结论



本文编号：3746507