基于快速稀疏辅助分解的机械非平稳振动信号分离方法

针对滚动轴承早期故障信号微弱,故障特征难以识别等问题,提出了一种基于基于快速稀疏辅助分解的滚动轴承故障诊断方法。首先,利用时域和频域稀疏度之间的形态区分,构建了快速稀疏分解模型;其次,证明了该模型凸性的充分必要条件;最后,利用非凸正则化器增强脉冲成分的幅值,通过包络分析实现滚动轴承早期微弱故障诊断。仿真实验表明:快速稀疏辅助分解算法可以有效分离出故障信号中的脉冲成分消除噪声的干扰,实现轴承早期微弱故障诊断。

基于EMD和Wigner—Ville分布的机械故障诊断方法研究

机械系统故障信号往往具有非平稳特征，经验模态分解和Wigner—Ville分布均为处理非线性与非平稳信号的有力工具。首先，将二者结合利用经验模态分解提取故障信号的特征成分，然后，对提取的特征信号进行Wigner-Ville分布得到其时频分布特征，进而可得到非平稳机械信号的故障信息。仿真和实例分析验证了该方法的有效性。