基于SVD突变信息特征提取和VPMCD的故障诊断方法研究

• 作者: 李葵 范玉刚 齐鹏
• 来源期刊: 云南大学学报（自然科学版）
• 学科: 工学
• 关键词: 奇异值分解 变量预测模型 混合域特征向量 故障诊断
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 计算机、信息与电子科学
• 页码范围: 211-218
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.7540/j.ynu.20150410

摘要

针对滚动轴承早期微弱故障信号易受噪声、光滑信号影响而难以检测的问题,提出将奇异值分解(singular value decomposition,SVD)突变信息特征提取和变量预测模型模式识别(variable predictive model based class discriminate,VPMCD)方法相结合用于轴承故障诊断.首先采用SVD对振动信号进行分析,根据曲率谱及类间、类内最大方差比阈值,实现突变信息与背景噪声、光滑信号的有效分离;然后提取突变信息时域、频域特征参数,构建表征轴承运行状态的混合域特征向量,用于建立基于VPMCD方法的故障诊断模型.将此方法应用于轴承故障诊断,实验证明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范玉刚	昆明理工大学信息工程与自动化学院	48	210	8.0	12.0
5	李葵	昆明理工大学信息工程与自动化学院	5	17	3.0	3.0
7	齐鹏	昆明理工大学信息工程与自动化学院	5	13	3.0	3.0