计量学报

作者：李继猛,李铭,姚希峰,王慧,于青文,王向东

单位：燕山大学 电气工程学院,河北 秦皇岛 066004

关键词：计量学;滚动轴承;故障诊断;稀疏表示;集合经验模式分解;K-奇异值分解字典学习;K-均值聚类

基金：国家自然科学基金(51505415);河北省自然科学基金(E2017203142,F2018203413)

针对经典K-奇异值分解算法构造的字典中原子形态受噪声、谐波干扰影响,进而降低冲击故障特征提取精度的问题,提出了基于集合经验模式分解和K-奇异值分解字典学习的冲击特征提取方法。该方法首先利用集合经验模式分解与Hurst指数对振动信号进行预处理,剔除谐波干扰;其次,利用经典K-奇异值分解算法和预处理信号构造超完备字典;然后,利用K-均值聚类算法对字典中的原子进行筛选;最后,利用正交匹配追踪算法实现冲击故障特征的稀疏表示。实验分析和工程应用验证了所提方法的有效性和实用性。

来源：2020年第10期

《计量学报》期刊编辑部

查看计量学报杂志2020年第10期