發(fā)布時(shí)間：2018-05-07 15:10

  本文選題：奇異值分解 + 降噪　； 參考：《振動(dòng)與沖擊》2017年03期

【摘要】：為了最大限度地提高旋轉(zhuǎn)機(jī)械設(shè)備故障振動(dòng)信號(hào)的信噪比,研究了奇異值分解降噪的原理,提出了一種新的奇異值分解降噪有效秩階次的確定方法。首先,對(duì)振動(dòng)信號(hào)進(jìn)行相空間重構(gòu),對(duì)吸引子軌跡矩陣進(jìn)行奇異值分解;然后,按不同的階數(shù),將奇異值分成信號(hào)組和噪聲組,對(duì)每次分組的結(jié)果,以階數(shù)為自變量、以奇異值為因變量,擬合成信號(hào)特征奇異值曲線和噪聲特征奇異值曲線,并求擬合誤差;最后,將擬合誤差最小值對(duì)應(yīng)的奇異值階數(shù)確定為有效秩階次,并進(jìn)行奇異值分解降噪。通過(guò)數(shù)值仿真和實(shí)際齒輪故障數(shù)據(jù)分析,表明該方法可以有效地提高信號(hào)的信噪比,為后期的故障特征提取創(chuàng)造有利條件。
[Abstract]:In order to improve the signal-to-noise ratio (SNR) of fault vibration signals of rotating machinery, the principle of singular value decomposition (SVD) denoising is studied, and a new method for determining the effective rank order of SVD denoising is proposed. Firstly, the vibration signal is reconstructed in phase space, and singular value decomposition is carried out on the track matrix of the attractor. Then, the singular value is divided into signal group and noise group according to different order, and the order of each group is taken as the independent variable. Taking singular value as dependent variable, the characteristic singular value curve and noise characteristic singular value curve of quasi-synthetic signal are used, and the fitting error is obtained. Finally, the order of singular value corresponding to the minimum value of fitting error is determined to be the order of effective rank. Singular value decomposition is used to reduce noise. Numerical simulation and actual gear fault data analysis show that this method can effectively improve the signal-to-noise ratio of the signal and create favorable conditions for the later fault feature extraction.
【作者單位】： 海軍航空工程學(xué)院飛行器工程系;海軍航空工程學(xué)院飛行器檢測(cè)與應(yīng)用研究所;
【基金】：國(guó)家部委預(yù)研基金資助(9140A27020214JB1446)
【分類號(hào)】：TH17

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 王建國(guó);李健;劉穎源;;一種確定奇異值分解降噪有效秩階次的改進(jìn)方法[J];振動(dòng)與沖擊;2014年12期

2 王樹(shù)青;林裕裕;孟元棟;高志強(qiáng);;一種基于奇異值分解技術(shù)的模型定階方法[J];振動(dòng)與沖擊;2012年15期

3 王益艷;;基于特征均值的SVD信號(hào)去噪算法[J];計(jì)算機(jī)應(yīng)用與軟件;2012年05期

4 錢征文;程禮;李應(yīng)紅;;利用奇異值分解的信號(hào)降噪方法[J];振動(dòng).測(cè)試與診斷;2011年04期

5 趙學(xué)智;葉邦彥;陳統(tǒng)堅(jiān);;奇異值差分譜理論及其在車床主軸箱故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2010年01期

6 趙學(xué)智;陳統(tǒng)堅(jiān);葉邦彥;;基于奇異值分解的銑削力信號(hào)處理與銑床狀態(tài)信息分離[J];機(jī)械工程學(xué)報(bào);2007年06期

7 朱啟兵,劉杰,李允公,聞邦椿;基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則的奇異值分解降噪研究[J];振動(dòng)工程學(xué)報(bào);2005年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李俊卿;朱錦山;沈亮印;康文強(qiáng);;SVD濾波與改進(jìn)小生境遺傳算法在雙饋異步電機(jī)轉(zhuǎn)子匝間短路故障量提取中的應(yīng)用[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年02期

2 劉秀麗;徐小力;;風(fēng)電機(jī)組齒輪箱早期故障弱特征信息提取方法[J];北京信息科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

3 崔偉成;許愛(ài)強(qiáng);李偉;孟凡磊;;基于擬合誤差最小化原則的奇異值分解降噪有效秩階次確定方法[J];振動(dòng)與沖擊;2017年03期

4 董楊;范大昭;紀(jì)松;雷蓉;;主成分分析的匹配點(diǎn)對(duì)提純方法[J];測(cè)繪學(xué)報(bào);2017年02期

5 陳駿杰;師蔚;胡定玉;;基于IMF聚合與SVD的城軌車輛牽引電機(jī)軸承故障診斷[J];測(cè)控技術(shù);2017年01期

6 周柏彤;劉增力;朱健晨;;關(guān)于多種模態(tài)分解方法的分離效果的差別探討[J];信息技術(shù);2016年12期

7 張小明;唐建;韓錦;;基于SVD的EMD模態(tài)混疊消除方法[J];噪聲與振動(dòng)控制;2016年06期

8 齊鵬;范玉剛;馮早;;基于ITD和敏感SVD的故障診斷方法研究[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

9 尹愛(ài)軍;張泉;戴宗賢;;任意階PDE降噪特性分析[J];振動(dòng).測(cè)試與診斷;2016年06期

10 何劉;林建輝;劉新廠;黃衍;;萬(wàn)向軸動(dòng)不平衡檢測(cè)的改進(jìn)DTCWT-SVD方法[J];振動(dòng)與沖擊;2016年22期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳恩利;張璽;申永軍;曹軒銘;;基于SVD降噪和盲信號(hào)分離的滾動(dòng)軸承故障診斷[J];振動(dòng)與沖擊;2012年23期

2 錢征文;程禮;李應(yīng)紅;;利用奇異值分解的信號(hào)降噪方法[J];振動(dòng).測(cè)試與診斷;2011年04期

3 崔麗潔;鄭江濱;李秀秀;;基于SVD背景抑制和粒子濾波的弱小目標(biāo)檢測(cè)[J];計(jì)算機(jī)應(yīng)用研究;2011年04期

4 周立;柳春華;蔣天發(fā);;基于小波變換和奇異值分解的圖像水印算法[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2011年01期

5 吳浩浩;羅志增;;基于構(gòu)造Hankel矩陣的SVD陷波方法[J];計(jì)算機(jī)應(yīng)用研究;2010年12期

6 趙學(xué)智;葉邦彥;陳統(tǒng)堅(jiān);;基于奇異值曲率譜的有效奇異值選擇[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年06期

7 湯寶平;蔣永華;張?jiān)敶?;基于形態(tài)奇異值分解和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障特征提取方法[J];機(jī)械工程學(xué)報(bào);2010年05期

8 趙學(xué)智;葉邦彥;陳統(tǒng)堅(jiān);;奇異值差分譜理論及其在車床主軸箱故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2010年01期

9 孫鑫暉;張令彌;王彤;;基于奇異值分解的頻響函數(shù)降噪方法[J];振動(dòng)、測(cè)試與診斷;2009年03期

10 王大軍;黃登山;湯春榮;蔡會(huì)甫;;基于奇異值分解處理相干信號(hào)的新方法[J];西北工業(yè)大學(xué)學(xué)報(bào);2009年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 馬寨璞,黃大吉,章本照;應(yīng)用SVD分解簡(jiǎn)化卡爾曼增益計(jì)算的理論研究[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2003年01期

2 ;[J];;年期

，

本文編號(hào)：1857411