文献类型：期刊文章

作　　者：陈恩利[1] 张玺[1] 申永军[1] 曹轩铭[1]

机构地区：[1]石家庄铁道大学机械工程学院,石家庄050043

出　　处：《振动与冲击》

基　　金：国家自然科学基金项目资助(11172183;50975185);河北省重点基础研究资助项目(10963528D)

年　　份：2012

卷　　号：31

期　　号：23

起止页码：185-190

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20130615999931)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：滚动轴承早期微弱故障特征信号往往淹没于系统噪声信号中而难于识别,奇异值分解技术(SVD)可以有效降低噪声水平,提高周期成分的提取能力,盲源分离技术可以分离故障源信号并提取故障特征。将奇异值分解技术和盲信号分离技术的优势应用于滚动轴承故障诊断,利用奇异值分解降噪特性消除系统信号中的混合噪声,对降噪后的信号通过盲信号分离技术进行盲源分离,提取出原始故障信号。数值仿真及实验结果表明,该方法可以成功地分离出滚动轴承实测信号的典型故障,提高滚动轴承故障诊断的效果。

关 键 词：滚动轴承 故障诊断  奇异值分解 盲信号分离

分 类 号：TH133.3] U272]