针对奇异值分解(Singular value decomposition, SVD)的频率分离问题,研究了SVD对单个频率的分离条件,发现SVD分离单个频率的效果取决于各频率的幅值差异。若不同频率的幅值很接近,则SVD就不能分离这些频率,由此提出一种频率添加SVD算...针对奇异值分解(Singular value decomposition, SVD)的频率分离问题,研究了SVD对单个频率的分离条件,发现SVD分离单个频率的效果取决于各频率的幅值差异。若不同频率的幅值很接近,则SVD就不能分离这些频率,由此提出一种频率添加SVD算法。为了提取原信号中的特征频率,先对原信号添加该频率的理想正弦信号,使原信号中该频率成分和其他频率的幅值产生差异,从而实现对该频率成分的提取,从理论上证明此算法的可行性。仿真信号处理实例表明,即使对于频率值非常接近的两个频率,频率添加SVD算法亦可将它们准确分离,分离结果波形误差小,克服了原来SVD频率分离算法的缺陷。将此算法应用某转子系统的振动特征提取,准确地提取到振动的高阶倍频,发现高阶倍频振幅的周期性波动特征,并分析这种振幅周期性波动的原因。展开更多
文摘针对奇异值分解(Singular value decomposition, SVD)的频率分离问题,研究了SVD对单个频率的分离条件,发现SVD分离单个频率的效果取决于各频率的幅值差异。若不同频率的幅值很接近,则SVD就不能分离这些频率,由此提出一种频率添加SVD算法。为了提取原信号中的特征频率,先对原信号添加该频率的理想正弦信号,使原信号中该频率成分和其他频率的幅值产生差异,从而实现对该频率成分的提取,从理论上证明此算法的可行性。仿真信号处理实例表明,即使对于频率值非常接近的两个频率,频率添加SVD算法亦可将它们准确分离,分离结果波形误差小,克服了原来SVD频率分离算法的缺陷。将此算法应用某转子系统的振动特征提取,准确地提取到振动的高阶倍频,发现高阶倍频振幅的周期性波动特征,并分析这种振幅周期性波动的原因。