固有成分滤波器的旋转机械故障诊断方法

• Published in: 振动、测试与诊断 Vol. 44; no. 1; pp. 159 - 165
• Main Authors: 张宗振, 韩宝坤, 李舜酩, 鲍怀谦, 王金瑞
• Format: Journal Article
• Language: Chinese
• Published: 南京航空航天大学能源与动力学院 南京,210016%山东科技大学机械电子工程学院 青岛,266590%南京航空航天大学能源与动力学院 南京,210016 01.02.2024; 山东科技大学机械电子工程学院 青岛,266590
• Subjects: intrinsic component filtering; fault diagnosis; 无监督学习; 故障诊断; 微弱信号检测; weak sig-nal detection; rotating machinery; compound fault separation; 旋转机械; 复合故障分离; 固有成分滤波器; unsupervised learning
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2024.01.024

TH113.1%TH133.1; 针对噪声环境下旋转机械微弱复合故障诊断问题,提出了一种强噪声干扰下基于固有成分滤波器(intrinsic component filtering,简称ICF)的旋转机械故障检测和分离方法.ICF通过最小化样本间特征的L1/2范数和样本内特征的L3/2范数来实现样本之间特征的一致性和样本内部特征的稀疏性,并训练出最优滤波器组,是一种无监督多维肓解卷积算法.首先,构建输入信号的Hankel训练矩阵,通过权值矩阵与Hankel矩阵的乘积模拟卷积过程,再利用固有属性滤波器实现特征学习;其次,通过峭度信息选择最优滤波器;最后,根据滤波后的时域波形和包络谱实现故障诊断.仿真和试验信号验证了提出方法的故障诊断性能,研究结果表明,提出的方法无需任何先验经验,可以实现强噪声环境下的微弱故障的分离,同时具备很好的鲁棒性.