|
|||||
|
|
| 基于改进的K-SVD和VMD的轴承故障特征提取方法 | |
| 作者姓名： | 张嘉玲 武吉梅 胡兵兵 |
| 摘 要： | 轴承作为旋转机械的核心零部件,在工作过程中易受其他部件影响,造成多部件耦合振动,产生的故障信号呈现非线性、非平稳特征,使得与故障信息相关的周期性冲击成分混入大量的背景噪声.传统K-奇异值分解(K-SVD)在字典学习过程中易受噪声干扰,难以确定初始化字典和迭代次数,导致稀疏表示效果较差,无法有效地提取故障特征.针对以上问... |
| 关 键 词： | 稀疏表示 K-奇异值分解 变分模态分解 故障诊断 |