文献类型：期刊文章

作　　者：郭明军[1] 李伟光[1] 杨期江[2] 赵学智[1]

GUO Mingjun;LI Weiguang;YANG Qijiang;ZHAO Xuezhi(School of Mechanical and Automotive Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China;School of Marine Engineering,Guangzhou Maritime University,Guangzhou,510725,Guangdong,China)

机构地区：[1]华南理工大学机械与汽车工程学院,广东广州510640 [2]广州航海学院轮机工程学院,广东广州510725

出　　处：《华南理工大学学报（自然科学版）》

基　　金：国家自然科学基金资助项目(51875205,51875216);广东省自然科学基金资助项目(2018A030310017,2019A1515011780);广东省重大科技专项(2019B090918003);广东省教育厅资助项目(2018KQNCX191);广州市科技计划项目(201904010133)~~

年　　份：2020

卷　　号：48

期　　号：1

起止页码：1-9

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对实测转子位移信号存在噪声污染的问题,提出一种基于SVD原理的PCA特征频率提取算法。首先,从理论上推导了PCA与SVD的内在联系,即PCA产生的协方差矩阵特征值等于SVD产生的矩阵奇异值的平方,且PCA产生的特征向量等于SVD产生的左奇异向量;然后,基于上述结论,提出一种基于SVD原理的PCA特征频率提取算法,并通过仿真信号验证了算法的有效性;最后,将该算法应用于大型滑动轴承试验台主轴的轴心轨迹提纯,得到的轴心轨迹清晰、集中,可成功识别转子的不对中及碰磨故障。

关 键 词：主成分分析 特征频率提取算法  奇异值分解 协方差矩阵特征值  矩阵奇异值

分 类 号：TH113.1] TH165.3