-
题名组稀疏低秩矩阵估计的变转速滚动轴承故障特征提取
- 1
-
-
作者
王冉
张军武
余亮
-
机构
上海海事大学物流工程学院
上海交通大学机械系统与振动国家重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第16期92-100,119,共10页
-
基金
国家自然科学基金(51505277
12074254)
+1 种基金
上海市自然科学基金(21ZR1434100)
机械系统与振动国家重点实验室自主课题(MSVZD202201)。
-
文摘
早期轴承故障特征的有效提取对于避免严重机械事故具有重要的意义。表征轴承故障的脉冲信号往往淹没在强背景噪声干扰中,并且轴承常常在变转速工况下运行,这使故障特征的提取较为困难。针对这一问题,提出一种用于变转速工况下滚动轴承故障特征提取的组稀疏低秩矩阵估计算法。首先,根据变转速工况下轴承故障脉冲信号的角度时间循环平稳特性,利用阶频谱相关(order-frequency spectral correlation, OFSC)将测量信号转换至阶频域中;其次,揭示了轴承故障脉冲在阶频域中的组稀疏性和低秩性,并据此构建一种凸优化问题来增强这两种特性,引入非凸罚函数来提高故障特征的稀疏性;再次,在交替方向乘子法(alternating direction method of multipliers, ADMM)和优化最小化(majorization-minimization, MM)框架下求解该凸优化问题,推导出组稀疏低秩(group sparse low-rank, GSLR)矩阵估计算法;最后,通过构建增强包络阶次谱(enhanced envelope order spectrum, EEOS)对求解得到的目标分量进行故障特征检测。仿真和试验信号的分析验证了该方法在故障特征提取中的有效性。
-
关键词
变转速工况
组稀疏低秩(gslr)
非凸罚函数
增强包络阶次谱(EEOS)
特征提取
-
Keywords
variable speed condition
group sparse low-rank(gslr)
nonconvex penalty function
enhanced envelope order spectrum(EEOS)
feature extraction
-
分类号
TH212
[机械工程—机械制造及自动化]
TH213.3
[机械工程—机械制造及自动化]
-