为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和强背景噪声的干扰,该文提出了一种新的基于倒谱编辑(cepstrum editing procedure,cep)信号预白化和奇异值分解(singular value decomposition,SVD)的轴承故障...为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和强背景噪声的干扰,该文提出了一种新的基于倒谱编辑(cepstrum editing procedure,cep)信号预白化和奇异值分解(singular value decomposition,SVD)的轴承故障特征提取方法。通过CEP预白化处理增强了轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生了只包含背景噪声和碰撞损伤引起的非平稳冲击成分的白化信号。构造预白化信号的Hankel矩阵,进行奇异值分解,通过差分谱理论选择表征故障冲击成分的奇异值进行矩阵重构恢复信号,去除强背景噪声的干扰,实现对故障特征的提取。试验结果表明,该方法较为理想地提取了轴承滚动体和内圈的故障特征,并且在提取效果和运算效率方面要优于基于小波-SVD差分谱故障特征提取方法。展开更多
针对有色混响噪声背景下线性调频(LFM)信号的检测,提出了基于自适应预白化处理的广义似然比检测GLRT(generalized likelihood ratio test)改进算法。改进算法根据前一段的混响噪声数据估计AR模型参数,利用估计参数构成的白化器对当前段...针对有色混响噪声背景下线性调频(LFM)信号的检测,提出了基于自适应预白化处理的广义似然比检测GLRT(generalized likelihood ratio test)改进算法。改进算法根据前一段的混响噪声数据估计AR模型参数,利用估计参数构成的白化器对当前段混响噪声数据进行滤波,并对滤波后数据进行单变量的GLRT检测。与双变量的GLRT算法相比,改进算法有效降低了运算量。最后通过蒙特卡罗仿真给出了改进算法的检测性能分析。展开更多
文摘为了有效提取轴承的故障特征,避免轴承损伤引起的冲击成分受到离散频率分量和强背景噪声的干扰,该文提出了一种新的基于倒谱编辑(cepstrum editing procedure,cep)信号预白化和奇异值分解(singular value decomposition,SVD)的轴承故障特征提取方法。通过CEP预白化处理增强了轴承故障的冲击特性,去除复杂振动信号中的周期性频率成分,产生了只包含背景噪声和碰撞损伤引起的非平稳冲击成分的白化信号。构造预白化信号的Hankel矩阵,进行奇异值分解,通过差分谱理论选择表征故障冲击成分的奇异值进行矩阵重构恢复信号,去除强背景噪声的干扰,实现对故障特征的提取。试验结果表明,该方法较为理想地提取了轴承滚动体和内圈的故障特征,并且在提取效果和运算效率方面要优于基于小波-SVD差分谱故障特征提取方法。
文摘针对有色混响噪声背景下线性调频(LFM)信号的检测,提出了基于自适应预白化处理的广义似然比检测GLRT(generalized likelihood ratio test)改进算法。改进算法根据前一段的混响噪声数据估计AR模型参数,利用估计参数构成的白化器对当前段混响噪声数据进行滤波,并对滤波后数据进行单变量的GLRT检测。与双变量的GLRT算法相比,改进算法有效降低了运算量。最后通过蒙特卡罗仿真给出了改进算法的检测性能分析。