基于SVDAR模型与VPMCD的轴承故障诊断方法.docxVIP

基于SVD-AR模型与VPMCD的轴承故障诊 断方法 刘英杰范玉刚黄国勇毛敏 昆明理工大学信息工程与自动化学院 云南省矿物管 道输送工程技术研究中心 摘要： 针对强噪声背景下振动信号故障特征难以提取的问题，提出了基于奇异值分解 的自回归(SVD-AR)模型，用于提取振动信号的特征，并与变量预测模型模式 识别(VPMCD)方法相结合应用于轴承故障诊断。对轴承振动信号进行SVD;然后, 利用奇异值差分谱对分量信号进行筛选，对能够反映故障信息的分量信号建立 AR模型，提取轴承振动信号的特征信息;采用VPMCD对滚动轴承运行状态进行识 别。实验证明了方法的合理性和有效性。 关键词： 奇异值分解;白回归模型;变量预测模型;奇异值差分谱;故障诊断; 作者简介：刘英杰(1991-)，男，硕士研究生，主要研究方向为信号处理、模 式识别、机械故障诊断。 收稿日期：2016-09-28 基金：国家自然科学基金资助项目 Bearing fau It diagnosis met hod based on SVD-AR model and VPMCD LIU Ying-jie FAN Yu—gang HUANG Guo—yong MAO Min Faculty of Informstion Engineering Automation, Kunming University of Science and Technology; Abstract： Aiming at problem of the failure feature extraction of vibration signal under strong noise background, proposed based on the singular value decomposition and auto regressive ( SVD-AR) model, used for feature extraction of the vibration sigrml and applied for bearing fault diagnosis by combining with the variable prcdictivc model based class discriminate (VPMCD) ? Firstly, the bearing vibration signal is decomposed by SVD, and then the component signals are screened by using the singular value di fference spectrum, and AR model i s establ ished for the component signal which can reflect the fault infonnation, extracting characteristic information of bearing vibration signal. Finally, it，s used to identify the running state of the rolling bearing by VPMCD. The test of rolling bearing fault diagnosis proves that the method is reasonable and effective. Keyword： singular value decomposition (SVD) ; auto regression (AR) model; varidble prediction model; singular value difference spectru叫 fault diagnosis; Received： 2016-09-28 0引言 如今在机械故障诊断领域中，轴承已成为旋转机械设备中最为常见，且最易损 坏的零部件之一[1,2], 一旦运行岀现问题将影响整机的正常工作，因此，对其 进行监测和诊断研究有重要意义。 有效提取轴承运行中的故障特征，并监测滚动轴承的运行状态已成为目前的研 究热点，并取得了丰硕的研究成果。奇异值分解(singular value decomposition, SVD)能够克服在强噪声背景下的干扰，有效地检测突变信息， 同时可以降低数据维数，将高维相关变量压缩为低维矢量，并能够反映信号特 征的内部联系in,所以，在信号分析处理等很多领域都得到了广泛应用in。自 冋归(auto regressive, AR)模型是一种吋间序列分析方法，其模型参数能较 好地反映