滑动轴承的声发射(Acoustic Emission,AE)信号噪声污染严重,限制了K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)字典算法的降噪能力。基于此,结合AE信号特点,提出了基于多层多位置稀疏的滑动轴承AE信号降噪算法。首先...滑动轴承的声发射(Acoustic Emission,AE)信号噪声污染严重,限制了K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)字典算法的降噪能力。基于此,结合AE信号特点,提出了基于多层多位置稀疏的滑动轴承AE信号降噪算法。首先提出移动标尺策略重构AE信号,使信号获得多层多位置的稀疏特性,解决了K-SVD容易忽略原子间隐藏信息的问题,然后通过灰色B型绝对关联度降低字典原子冗余度,提高字典运算速度。因此,与传统的K-SVD算法相比,该算法具有更好的降噪性能。应用到实例中,该算法成功获得了滑动轴承不同程度摩擦状态的变化,证明了该算法的有效性。展开更多
文摘滑动轴承的声发射(Acoustic Emission,AE)信号噪声污染严重,限制了K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)字典算法的降噪能力。基于此,结合AE信号特点,提出了基于多层多位置稀疏的滑动轴承AE信号降噪算法。首先提出移动标尺策略重构AE信号,使信号获得多层多位置的稀疏特性,解决了K-SVD容易忽略原子间隐藏信息的问题,然后通过灰色B型绝对关联度降低字典原子冗余度,提高字典运算速度。因此,与传统的K-SVD算法相比,该算法具有更好的降噪性能。应用到实例中,该算法成功获得了滑动轴承不同程度摩擦状态的变化,证明了该算法的有效性。
