[發(fā)明專利]一種基于奇異值分解的軸承故障信號降噪方法

在審

• 申請?zhí)枺?/td>: 202110086309.7
• 申請日: 2021-01-22
• 公開（公告）號: CN112924175A
• 公開（公告）日: 2021-06-08
• 發(fā)明（設計）人: 沈衛(wèi)杰;徐瑋瑋;陳標
• 申請（專利權(quán)）人: 南京信息工程大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06F17/16
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 施昊

本發(fā)明公開了一種基于奇異值分解的軸承故障信號降噪方法，步驟依次為：對軸承振動信號進行采樣；對采樣信號構(gòu)造Hankel矩陣A；對矩陣A進行奇異值分解；對奇異值分解后的子矩陣進行重構(gòu)；計算奇異值突變位置；根據(jù)重構(gòu)的子矩陣和奇異值突變位置得到重構(gòu)出降噪后的信號。

技術(shù)領域

本發(fā)明屬于機械故障診斷領域，特別涉及了一種軸承故障信號降噪方法。

背景技術(shù)

軸承是機械使用中最廣泛且最易損壞的機械零件之一，其狀態(tài)檢測與故障診斷是機械設備故障診斷技術(shù)的重要內(nèi)容。常用的軸承故障診斷方法有振動、噪聲分析法、油液分析法、溫度測定法、聲發(fā)射分析法、軸承間隙測定法、油膜電阻測定法、光學纖維測定法、奇異值分解法等。

近年來，奇異值分解(Singular value decomposition，SVD)方法在軸承的故障診斷中表現(xiàn)出獨特的優(yōu)勢。許多基于SVD的軸承故障診斷方法也在實際應用中表現(xiàn)出良好的診斷特性，例如2005年楊宇、于德介等人結(jié)合經(jīng)驗模態(tài)分解(Empirical modedecomposition，EMD)和奇異值分解實現(xiàn)了滾動軸承故障診斷；2014年王超、孔凡讓等人提出改進的奇異值分解算法，豐富了奇異值分解在軸承故障診斷領域的應用。而針對求解奇異值的奇異向量矩陣的應用并未展開過多的探索，使得現(xiàn)階段的故障診斷方法中定位奇異值的突變位置存在不足。

發(fā)明內(nèi)容

為了解決上述背景技術(shù)提到的技術(shù)問題，本發(fā)明提出了一種基于奇異值分解的軸承故障信號降噪方法。

為了實現(xiàn)上述技術(shù)目的，本發(fā)明的技術(shù)方案為：

一種基于奇異值分解的軸承故障信號降噪方法，包括以下步驟：

(1)對軸承振動信號進行采樣；

(2)對采樣信號構(gòu)造Hankel矩陣A：

其中，x_a為第a個采樣點，a＝1,2,…,N，N為采樣點數(shù)，1＜n＜N；

(3)對矩陣A進行奇異值分解A＝U^TΣV，其中，Σ為奇異值矩陣，U和V為奇異向量矩陣，T表示轉(zhuǎn)置，U＝(u_ij),1≤i,j≤m，u_ij為矩陣U的第i行第j列的元素，m＝N-n+1，V＝(v_ls),1≤l,s≤n，v_ls為矩陣V的第l行第s列的元素；且有：

其中，表示矩陣A刪除第j行后的矩陣，表示矩陣A刪除第s列后的矩陣，σ_i(A)、σ_k(A)、σ_l(A)、σ_t(A)為矩陣A的第i個、第k個、第l個、第t個奇異值，為矩陣的第k個奇異值，為矩陣的第t個奇異值；

則將A＝U^TΣV改寫為

其中，u_c和v_c為矩陣A的第c個奇異向量，σ_c為矩陣A的第c個奇異值，c＝1,2,…,q；

(4)令矩陣A經(jīng)奇異值分解后的第c個子矩陣A_c為

其中，x_c,a為子矩陣A_c相應位置處的元素，a＝1,2,…,N；