本文關(guān)鍵詞：基于粒子群優(yōu)化的共振稀疏分解在軸承故障診斷中的應(yīng)用

  更多相關(guān)文章： 共振稀疏分解 粒子群優(yōu)化算法 軸承故障 特征提取

【摘要】：共振稀疏分解是振動信號中脈沖成分提取的方法。與基于頻率的信號處理方法不同,該方法同時參考頻率和帶寬兩個因素,從而在分離信號不同成分的過程中能夠很好處理信號不同成分的重疊問題。然而共振稀疏分解的分解效果受到品質(zhì)因子Q、權(quán)重系數(shù)A以及拉格朗日乘子u的主觀選擇影響,針對此問題,將粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)應(yīng)用到參數(shù)的選取中,通過粒子群優(yōu)化算法的全局優(yōu)化特點(diǎn)對實驗參數(shù)進(jìn)行自適應(yīng)選取,進(jìn)而實現(xiàn)振動信號的有效分解。將基于粒子群優(yōu)化算法的共振稀疏分解應(yīng)用到軸承故障信號的診斷中,證實了該方法的有效性。
【作者單位】： 武漢科技大學(xué)機(jī)械自動化學(xué)院冶金裝備及其控制教育部重點(diǎn)實驗室;
【基金】：國家自然科學(xué)基金資助(51105284,51475339)
【分類號】：TH133.3
【正文快照】： 1引言滾動軸承在發(fā)生故障時,滾動體和滾道之間的相對運(yùn)動會產(chǎn)生一系列周期性沖擊,且在信號傳遞過程中激勵起滾動軸承自身的固有頻率成分,形成以該固有頻率為載波頻率,以故障頻率為調(diào)制頻率的頻率調(diào)制現(xiàn)象[1]。然而在實際測量中,振動信號由于受到載荷大小、噪聲水平及摩擦等因

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 張文義;于德介;陳向民;;基于信號共振稀疏分解與能量算子解調(diào)的軸承故障診斷方法[J];中國電機(jī)工程學(xué)報;2013年20期

2 ;[J];;年期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王宏超;基于稀疏分解及圖像稀疏表征的滾動軸承微弱故障診斷[D];上海交通大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 張頂成;基于最優(yōu)信號共振稀疏分解的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];湖南大學(xué);2016年

2 駱杰;改進(jìn)的原子稀疏分解算法及其在機(jī)械故障診斷中的應(yīng)用研究[D];武漢科技大學(xué);2016年

3 龔永濤;改進(jìn)的共振稀疏分解方法及在機(jī)械故障診斷中的應(yīng)用[D];武漢科技大學(xué);2016年

4 鄭曉慧;機(jī)械振動信號的稀疏分解理論研究[D];蘭州理工大學(xué);2014年

5 李星;基于信號共振稀疏分解的齒輪箱故障診斷方法研究[D];湖南大學(xué);2014年

6 孫云嵩;基于信號共振稀疏分解的齒輪故障診斷方法研究[D];湖南大學(xué);2013年

，

本文編號：1281252