基于SVD——形态降噪的TKEO故障诊断方法研究

黄刚劲; 范玉刚; 冯早; 齐鹏

doi:10.13873/j.1000-9787(2017)07-0029-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于SVD——形态降噪的TKEO故障诊断方法研究

研究与探讨 | 更新时间：2025-09-11

- 基于SVD——形态降噪的TKEO故障诊断方法研究
- Research on TKEO fault diagnosis method based on SVD-morphological noise reduction
- 传感器与微系统 2017年36卷第7期页码：29-32+37
- 作者机构：
  
  1. 昆明理工大学信息工程与自动化学院
  2. 云南省矿物管道输送工程技术研究中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61563024,51169007）;云南省中青年学术和技术带头人后备人才培养计划项目（2011CI017）
- DOI：10.13873/j.1000-9787(2017)07-0029-04
  中图分类号： TH133.33
- 纸质出版：2017
- 稿件说明：
移动端阅览
[1]黄刚劲,范玉刚,冯早,齐鹏.基于SVD——形态降噪的TKEO故障诊断方法研究[J].传感器与微系统,2017,36(07):29-32+37.

HUANG Gang-jin, FAN Yu-gang, FENG Zao, et al. Research on TKEO fault diagnosis method based on SVD-morphological noise reduction[J]. 2017, 36(7): 29-32+37.
[1]黄刚劲,范玉刚,冯早,齐鹏.基于SVD——形态降噪的TKEO故障诊断方法研究[J].传感器与微系统,2017,36(07):29-32+37. DOI： 10.13873/j.1000-9787(2017)07-0029-04.

HUANG Gang-jin, FAN Yu-gang, FENG Zao, et al. Research on TKEO fault diagnosis method based on SVD-morphological noise reduction[J]. 2017, 36(7): 29-32+37. DOI： 10.13873/j.1000-9787(2017)07-0029-04.

摘要

针对强噪声干扰背景下微弱故障特征信息难以提取的问题

提出了一种基于奇异值分解（SVD）-形态降噪的Teager能量算子（TKEO）故障诊断方法。首先对轴承振动信号进行SVD

对得到的分量信号进行形态滤波

以滤除噪声干扰;然后利用峭度准则对分量信号进行筛选

并对其进行重构;最后利用TKEO计算重构信号的瞬时能量

得到信号的能量谱

提取振动信号的特征。将提出的方法应用于滚动轴承故障分析

结果表明该方法能清晰地提取故障特征信息。

Abstract

Aiming at problem of extracting weak characteristics from the fault signals containing strong background noise

a method based on singular value decomposition（ SVD）-morphological noise reduction for Teager-Kaiser energy operator（ TKEO） fault diagnosis is proposed. Firstly

bearing vibration signal is decomposed by SVD

the component signals are filtered by morphological filter to remove the noise; Secondly

the component signals are screened and reconstructed using kurtosis criterion; Finally

the instantaneous energy of reconstructed signals are calculated by using the TKEO

the energy spectrum of the signals are then obtained

from which the characteristics of the vibration signals are extracted. The experimental results show that the proposed method is capable of extracting fault features and has offered an approving performance on fault diagnosis of rolling bearing.

关键词

Keywords

references

基于流形-奇异值熵的滚动轴承故障特征提取 [J]. 王奉涛,陈守海,闫达文,朱泓,崔立明,王雷. 振动.测试与诊断 . 2016(02)

基于LMD自适应多尺度形态学和Teager能量算子方法在轴承故障诊断中的应用 [J]. 武哲,杨绍普,张建超. 振动与冲击 . 2016(03)

基于核主成分分析的图像模糊篡改检测算法 [J]. 杨本娟,黎小平. 传感器与微系统 . 2015(11)

基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断 [J]. 吴小涛,杨锰,袁晓辉,龚廷恺. 振动与冲击 . 2015(02)

多传感器信息融合在滚动轴承故障诊断中的应用 [J]. 马文龙,吕建新,吴虎胜,黄炯龙. 传感器与微系统 . 2013(07)

L-DACS中的信号分离算法的研究 [J]. 杜钊,李宏伟,张建忠. 传感器与微系统 . 2012(06)

小波分解和最小二乘支持向量机的风机齿轮箱故障诊断 [J]. 张金敏,翟玉千,王思明. 传感器与微系统 . 2011(01)

基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法 [J]. 汤宝平,蒋永华,张详春. 机械工程学报 . 2010(05)

奇异值差分谱理论及其在车床主轴箱故障诊断中的应用 [J]. 赵学智,叶邦彦,陈统坚. 机械工程学报 . 2010(01)

形态学滤波器结构元素选取原则研究与分析 [J]. 赵昭,刘利林,张承学,李海涛,汪建敏. 电力系统保护与控制 . 2009(14)

矩阵构造对奇异值分解信号处理效果的影响 [J]. 赵学智,叶邦彦,陈统坚. 华南理工大学学报(自然科学版) . 2008(09)

Study on Hankel matrix-based SVD and its application in rolling element bearing fault diagnosis [J] . Huiming Jiang,Jin Chen,Guangming Dong,Tao Liu,Gang Chen. Mechanical Systems and Signal Processing . 2015

浏览量

128

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于SVD-AR模型与VPMCD的轴承故障诊断方法

基于无源振动传感器标签的轴承故障在线诊断技术

ITD和自适应广义形态滤波的特征提取方法

基于图神经网络的异构多传感器融合交流电机故障诊断

多传感器融合的煤矿井下带式输送机智能监测方法及应用