針對(duì)傳統(tǒng)稀疏方法在字典構(gòu)造過程的不足及稀疏表征結(jié)果的局限性問題,通過在移不變稀疏學(xué)習(xí)的框架下,引入時(shí)頻流形學(xué)習(xí),提出了一種新的移不變時(shí)頻流形自學(xué)習(xí)的故障診斷方法。該方法基于時(shí)頻流形對(duì)信號(hào)局部特征結(jié)構(gòu)的挖掘與增強(qiáng)能力,采用包絡(luò)譜熵獲取信號(hào)特征最優(yōu)本征包絡(luò)模態(tài)分量,提出利用局部流形包絡(luò)模態(tài)完成對(duì)全局包絡(luò)信號(hào)的移不變學(xué)習(xí)與特征增強(qiáng),結(jié)合相位保持以及一系列逆變換完成全局信號(hào)移不變流形模態(tài)的重構(gòu)表達(dá)與增強(qiáng)學(xué)習(xí),最終實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障信號(hào)增強(qiáng)與診斷分析。實(shí)驗(yàn)結(jié)果表明,該方法可以實(shí)現(xiàn)強(qiáng)背景噪聲的有效抑制及非線性瞬態(tài)特征的高效挖掘與學(xué)習(xí),有利于構(gòu)建高效準(zhǔn)確的故障診斷研究。 

【文章來(lái)源】：振動(dòng)工程學(xué)報(bào). 2020,33(03)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 時(shí)頻流形學(xué)習(xí)流程圖

依據(jù)公式（12）可以得到二維包絡(luò)熵分布，其中最大包絡(luò)熵對(duì)應(yīng)備選包絡(luò)基函數(shù)擁有最好的瞬態(tài)沖擊特性，最終自適應(yīng)輸出最優(yōu)包絡(luò)流形基，用于后續(xù)的移不變時(shí)頻流形自學(xué)習(xí)。2 基于SITFMS的信號(hào)特征增強(qiáng)模型

為了驗(yàn)證基于移不變時(shí)頻流形自學(xué)習(xí)的信號(hào)特征增強(qiáng)方法的有效性，本節(jié)對(duì)兩組具有不同單一故障缺陷的軸承進(jìn)行信號(hào)特征提取。實(shí)驗(yàn)一采用實(shí)驗(yàn)室自建的軸承振動(dòng)測(cè)試實(shí)驗(yàn)臺(tái)如圖3所示。聲音信號(hào)由放置在軸承邊上的B&K聲音傳感器（Type4944-A）來(lái)獲取，采樣頻率為10kHz；實(shí)驗(yàn)二采用凱斯西儲(chǔ)大學(xué)（CWRU）軸承數(shù)據(jù)[13]，振動(dòng)信號(hào)由安裝在軸承座的加速度計(jì)傳感器來(lái)拾取，采樣頻率為12kHz。3.2 基于SITFMS信號(hào)特征增強(qiáng)


本文編號(hào)：3537387