基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究

作者：何冬康,甘霖,类志杰,等 日期：2023-03-23/span> 浏览：461 查看PDF文档

摘要:针对奇异值分解(SVD)提取工业机器人交叉滚子轴承振动信号微弱故障特征分量时,出现奇异值分辨率不足的问题,提出了一种基于最大分辨率奇异值分解(MRSVD)奇异值分解(SVD)与变量预测模型模式识别(VPMCD)的工业机器人交叉滚子轴承的故障诊断方法。首先,以最大奇异值分辨率原则将一维振动信号构造成了Hankel矩阵,采用奇异值分解方法对Hankel矩阵进行了分解,得到了其奇异值序列,根据奇异值曲率谱理论选择有效奇异值,并进行了重构,得到了经降噪后的高信噪比信号,以重构信号构建了相空间矩阵,进行了二次奇异值分解,得到了其故障特征分量;然后,计算了故障特征分量的特征参数,构建了其特征向量;最后,采用了VPMCD分析了特征向量,完成了对交叉滚子轴承故障类型的识别,并与其它方法进行了识别准确率对比。研究结果表明:采用该方法对工业机器人交叉滚子轴承进行故障诊断,得到的故障类型识别准确率为98.66%,比SVD与共振解调相结合方法提高了9%;该方法通过构建最大奇异值分辨率矩阵提高了奇异值分辨率,可完整提取出工业机器人交叉滚子轴承振动信号的微弱故障特征分量,获得了更高的故障类型识别准确率。

关键词:滚动轴承;圆柱滚子轴承;最大分辨率奇异值分解;奇异值分解;变量预测模型模式识别;Hankel矩阵

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2023)01-0047-08

本文引用格式:

何冬康,甘霖,类志杰,等.基于MRSVD-SVD与VPMCD的交叉滚子轴承故障诊断研究［J］.机电工程,2023,40(1):47-54.

HE Dong-kang, GAN Lin, LEI Zhi-jie, et al. Fault diagnosis of cross-roller bearings based on MRSVD-SVD and VPMCD［J］.Journal of Mechanical & Electrical Engineering, 2023,40(1):47-54.