| 基于DTCWT与GA改进稀疏分解的轴承故障诊断 |
| |
| 作者单位： | 江南大学 机械工程学院,江苏 无锡214122;江南大学 江苏省食品先进制造装备技术重点实验室,江苏 无锡214122;江苏省特种设备安全监督检验研究院无锡分院,江苏 无锡 214071 |
| |
| 基金项目： | 国家自然科学基金;高等学校学科创新引智计划计划);科技计划 |
| |
| 摘 要： | 为解决滚动轴承故障信号信噪比低、故障特征难以提取的问题,提出一种双树复小波分解(DTCWT)与遗传算法(GA)相结合的改进稀疏分解方法.首先,采用双树复小波对轴承振动信号进行分解,并结合峭度最大准则提取包含冲击特征的最优分量,对该分量进行稀疏重构,实现强噪声信号的深度降噪、故障冲击特征的重构;然后,针对稀疏分解在处理高维复杂信号时计算效率低的问题,使用遗传算法优化基于匹配追踪(MP)算法的寻优过程,提升信号的重构效率;最后,提出基于残差信号包络熵的终止准则以合理选取迭代次数.经仿真与实验验证,与传统的稀疏分解相比,该方法能在强噪声背景下自适应地提取故障信号中的冲击特征,实现滚动轴承的故障识别.
|
| 关 键 词： | 故障诊断 遗传算法 稀疏分解 特征提取 终止准则 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
