学习字典与奇异值分解的轴承故障识别方法

• 作者: 时培明 李渊 郭晓慈 马晓杰
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 轴承故障分类 学习字典 奇异值分解 稀疏表示
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 91-95,173
• 页数: 6页
• 分类号: TB973
• 字数: 4008字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.02.017

摘要

针对多种不同程度滚动轴承故障难以识别的难题,提出一种基于学习字典与奇异值分解的轴承故障识别新方法,可以实现在对某一程度故障数据进行学习训练的基础上对其他程度故障类型进行判断.该方法首先利用某单一程度故障的数据训练学习字典组合成新字典,然后对其他程度故障数据通过奇异值分解进行去噪处理,求解这些数据在组合字典下的稀疏表示矩阵,最后根据稀疏表示矩阵中非零系数的概率分布情况对故障类型进行判断.对轴承实验数据的分析表明:学习字典在轴承故障识别方面具有简单高效的特点,奇异值分解能够显著提升不同程度故障分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	时培明	燕山大学电气工程学院	71	537	12.0	20.0
2	马晓杰	燕山大学电气工程学院	2	5	1.0	2.0
3	郭晓慈	燕山大学电气工程学院	1	0	0.0	0.0
4	李渊		1	0	0.0	0.0