科研之友
微信
新浪微博
Facebook
分享链接
摘要
振动信号通常蕴藏着机械设备运行的丰富信息，对振动信号进行监测分析可以感知设备的运行状态。但在复杂工况下采集到的多源耦合信号，很难进行有效地解耦分离并提取。为此，提出了基于稀疏非负矩阵分解（SNMF）的机械复合故障信号分离方法。首先，对传感器采集到的初始信号进行短时傅里叶变换，获取表示特征信息的时频分布；其次，在算法中引入正则化参数控制稀疏程度及重构误差，减少特征信息的冗余成分；然后，利用改进SNMF算法对时频分布矩阵分解降维，将分解后的矩阵在时域中重构分离信号；最后，将得到的重构分离信号进行包络频谱分析，提取故障特征信息，实现机械复合故障信号分离。实验采用含有复合故障的滚动轴承为研究对象，分析结果表明：提出的方法可以有效分离提取出轴承中存在的复合故障特征，实现了复合故障信号的分离与诊断。
- 单位
