基于张量奇异谱分解的机械故障特征提取方法研究

来源期刊：机械设计与制造2017年第7期

论文作者：李晓明 吕勇 易灿灿 黄震西

文章页码：56 - 59

关键词：张量分解;标准分解;奇异谱;故障诊断;特征提取;

摘    要：提出了将张量奇异谱分解运用于机械故障诊断特征提取,张量奇异谱分解（TSSA）是传统奇异谱分解（SVD）的扩展。由于传统奇异谱分解在处理非平稳、非线性的信号效果不理想,故障特征不明显。因此将传统的奇异谱分解延伸到三阶张量分解中,从而将一维的时间序列转换成为三阶的张量,然后运用标准（PARAFAC）张量分解,标准（PARAFAC）张量分解是把秩为R的张量分解为R个秩-1的张量的和,分解出原始张量的因子矩阵和权重,并重构回一维信号进而对信号的时域和频域做出分析。为了证明方法的有效性,将该方法应用于轴承故障信号的特征提取中,分别运用了仿真和实测信号做了分析,结果表明该方法不仅能有效地抑制噪声,明显地提取轴承故障信号特征,而且其效果要优于传统的奇异谱分解方法,具有一定的工程实践价值。