噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (5): 160-165.

• 信号处理与故障诊断 • 上一篇    下一篇

集成辛奇异值模态分解及其在滚动轴承故障诊断中的应用

颜秋艳，刘玄   

  1. （湘潭理工学院汽车工程学院，湖南湘潭411100）
  • 收稿日期:2023-09-27 修回日期:2023-11-22 出版日期:2024-10-18 发布日期:2024-10-10

Ensemble Symplectic Singular Mode Decomposition and Its Application in Fault Diagnosis of Rolling Bearings

#br#   

  • Received:2023-09-27 Revised:2023-11-22 Online:2024-10-18 Published:2024-10-10

PDF

摘要： 对时间序列的分析是机械故障诊断领域中最为重要的手段，但是拾取的信号往往包含大量干扰噪声，严重影响故障诊断的准确性。因此，提出一种集成辛奇异值模态分解（Ensemble Symplectic Singular Mode Decomposition，ESSMD）降噪方法。在ESSMD方法中，采用互信息函数法和GP算法自适应设置参数，并构造辛几何相似变换矩阵进而获得降噪分量信号。然而，通过辛几何相似变换获得的分量可能耦合噪声信息，难以通过传统的“筛选”分量进行降噪。为了弱化分量信号中的耦合噪声，在ESSMD中进一步引入拉格朗日乘子，抑制分量中噪声对纯信号信息的干扰，获得更加纯净的纯信号矩阵。仿真和实验结果表明，ESSMD能够有效减少信号中包含的噪声。

关键词: 故障诊断, 集成辛奇异值模态分解, 拉格朗日乘子, 降噪