摘要
针对变转速下滚动轴承振动信号易受噪声干扰,导致轴承的故障特征信息被掩盖的问题,文中提出了一种基于随机奇异值分解-软阈值去噪(rSVD-ST)和尺度基线性调频变换(SBCT)的滚动轴承故障诊断方法.rSVD-ST是通过对目标信号构造Hankel矩阵,并随机投影到低维子空间上实现降维,随后对其进行奇异值分解(SVD)以获得基本特征向量,并重构成平滑的信号,在此基础上利用软阈值算法对平滑信号进行处理,从而实现信号的去噪.SBCT是在线性调频变换(CT)的基础上引入核相位函数,实现了在对应的时间中心缩放时频基的尺度,达到精确匹配多分量信号时频轨迹的目的.因此,通过SBCT获得的时频表示(TFR)可以实现更高的时频能量集中,尤其对于频率间隔较近的多分量信号效果更较显著.最后通过数值模拟仿真和实验台振动信号分析,验证了文中所提方法在强背景噪声和变转速工况下滚动轴承故障诊断的有效性.
国家科技期刊平台
NSTL
维普
万方数据