论文摘要
针对卷积稀疏表示(convolution sparse representation,简称CSR)在轴承故障脉冲提取过程中过于依赖惩罚因子的缺点,提出了一种基于卷积稀疏表示、希尔伯特变换(Hilbert transform,简称HT)以及流形学习降维相结合的轴承故障诊断方法。首先,通过在不同惩罚因子下的CSR提取不同稀疏特征的脉冲;其次,针对提取的一系列脉冲进行希尔伯特变换,构造脉冲包络空间;最后,利用等距映射(isometric feature mapping,简称Isomap)流形学习算法对脉冲包络空间求解低维本征包络,以实现故障诊断。通过仿真数据以及台架实验数据验证表明:基于CSRHT-Isomap算法的轮对轴承故障诊断方法可以很好地提取轴承内圈及滚动体故障特征,通过与基于聚合经验模态分解和小波包变换的包络空间算法进行比较,证明该方法在提取本征包络、强化本征包络谱以及放大故障特征频率的谐波数方面具备较大优势。
论文目录
文章来源
类型: 期刊论文
作者: 施莹,庄哲,林建辉
关键词: 轴箱轴承,卷积稀疏表示,希尔伯特变换,等距映射,故障诊断
来源: 振动.测试与诊断 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 铁路运输,自动化技术
单位: 西南交通大学牵引动力国家重点实验室
基金: 国家自然科学基金资助项目(51305358),中央高校基本科研专项资金资助项目(2682017CX011)
分类号: TP181;U279
DOI: 10.16450/j.cnki.issn.1004-6801.2019.05.025
页码: 1081-1088+1138
总页数: 9
文件大小: 3748K
下载量: 172