基于集合经验模式分解和K-奇异值分解字典学习的滚动轴承故障诊断

• 作者: 于青文 姚希峰 李继猛 李铭 王向东 王慧
• 来源期刊: 计量学报
• 学科: 工学
• 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
• 年，卷（期）: 2020,（10）
• 页码范围: 1260-1266
• 页数: 7页
• 分类号: TB936|TB973
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2020.10.13

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王向东		22	121	7.0	10.0
2	王慧		5	7	1.0	2.0
3	李继猛		18	63	6.0	7.0
4	李铭		3	6	1.0	2.0
5	姚希峰		2	0	0.0	0.0
6	于青文		1	0	0.0	0.0