基于稀疏非负矩阵分解的机械复合故障信号分离方法

CORC > 长春光学精密机械与物理研究所 > 中国科学院长春光学精密机械与物理研究所

	基于稀疏非负矩阵分解的机械复合故障信号分离方法
	张文豹; 王梦阳; 薛向尧; 邵明振; 王光
刊名	机电工程技术
	2022-06-20
卷号	51 期号:06 页码:63-65+81
英文摘要	振动信号通常蕴藏着机械设备运行的丰富信息，对振动信号进行监测分析可以感知设备的运行状态。但在复杂工况下采集到的多源耦合信号，很难进行有效地解耦分离并提取。为此，提出了基于稀疏非负矩阵分解（SNMF）的机械复合故障信号分离方法。首先，对传感器采集到的初始信号进行短时傅里叶变换，获取表示特征信息的时频分布；其次，在算法中引入正则化参数控制稀疏程度及重构误差，减少特征信息的冗余成分；然后，利用改进SNMF算法对时频分布矩阵分解降维，将分解后的矩阵在时域中重构分离信号；最后，将得到的重构分离信号进行包络频谱分析，提取故障特征信息，实现机械复合故障信号分离。实验采用含有复合故障的滚动轴承为研究对象，分析结果表明：提出的方法可以有效分离提取出轴承中存在的复合故障特征，实现了复合故障信号的分离与诊断。
内容类型	期刊论文
源URL	[http://ir.ciomp.ac.cn/handle/181722/66258]
专题	中国科学院长春光学精密机械与物理研究所
作者单位	中国科学院长春光学精密机械与物理研究所
推荐引用方式 GB/T 7714	张文豹,王梦阳,薛向尧,等. 基于稀疏非负矩阵分解的机械复合故障信号分离方法[J]. 机电工程技术,2022,51(06):63-65+81.
APA	张文豹,王梦阳,薛向尧,邵明振,&王光.(2022).基于稀疏非负矩阵分解的机械复合故障信号分离方法.机电工程技术,51(06),63-65+81.
MLA	张文豹,et al."基于稀疏非负矩阵分解的机械复合故障信号分离方法".机电工程技术 51.06(2022):63-65+81.