一种基于字典学习的滚动轴承故障特征提取方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201811027613.9 

申 请 日：20180904 

发 明 人：尹宏鹏柴毅孙川周瀚韩峰斌 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙正街174号 

公 开 日：20181221 

公 开 号：CN109060350A 

代 理 人： 

代理机构： 

摘　　要：本发明公开了一种基于字典学习的滚动轴承故障特征提取方法,为信号处理领域。包括：从安装在轴承上的传感器获取振动信号,表示为s,记采样频率为fs；采用谐波分离滤波器,将s中含有的其他机构振动产生的谐波分量除去,得到处理信号y；对信号y进行Shift#Invariant#K#SVD字典学习,得到稀疏表示和最佳字典,根据稀疏表示和字典重建恢复纯净故障信号x。对信号x进行包络谱变换,得到轴承故障振动信号的频率特征。本方法采用了稀疏表示方法能及时准确提取出早期的微弱故障特征,相比于传统的信噪分离方法有更好的鲁棒性和准确性,对滚动轴承故障判断及维修决策提供强有力支撑。 

主 权 项：1.一种基于字典学习的滚动轴承故障特征提取方法,包括：S1:从安装在轴承上的传感器获取振动信号,表示为s,记采样频率为fs；S2:采用谐波分离滤波器,将s中含有的其他机构振动产生的谐波分量除去,得到处理信号y；S3:对信号y进行Shift#Invariant#K#SVD字典学习,得到稀疏表示和最佳字典,最后重建恢复纯净故障信号x。S4:对信号x进行包络谱变换,得到轴承故障振动信号的频率特征,和已有的滚动轴承参数相比对,可以为故障识别和维修决策提供有力支撑。 

关 键 词： 

法律状态： 

IPC专利分类号：G01M13/04;G06K9/00