| 基于字典学习形态分量分析的轴承故障诊断 |
|
| 投稿时间：2017-01-12 |
| 中文关键词:形态分量分析 字典学习 轴承 故障诊断 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 1226 |
| 全文下载次数: 1738 |
| 中文摘要: |
| 在基于固定字典的形态分量分析(Morphological Component Analysis,MCA)方法基础上,提出了字典学习形态分量分析的滚动轴承故障诊断方法。分别以轴承内圈、外圈故障信号为训练样本,应用K-SVD(K-Singular Value Decomposition)字典学习算法对训练样本学习字典,寻求最优的字典空间;将学习到的字典取代MCA中的固定字典,根据信号所包含各成分的形态差异性,利用MCA对滚动轴承故障信号中的内、外圈故障特征和噪声成分进行分离;对包络后的故障特征分量做频谱分析诊断轴承的故障及部位。应用实例结果表明:该方法能在强噪声环境下有效地提取滚动轴承内、外圈的故障特征,性能优于固定字典的MCA方法,为MCA方法在选取字典时提供了新思路。 |
| 英文摘要: |
| |
| 吴洋,郝如江,李非.基于字典学习形态分量分析的轴承故障诊断[J].石家庄铁道大学学报(自然科学版),2018,(2):40-45. |
| 查看全文 下载PDF阅读器 |
|
| 关闭 |
|
|
|
|
|