基于自学习字典的盲提取方法在滚动轴承多故障诊断中的应用

简介

当齿轮箱中的多个轴承同时发生故障时,由于各故障源之间的相互耦合效应,常规盲提取方法难以对其进行有效特征提取。为解决上述问题,提出一种基于稀疏表征自学习字典理论的盲提取方法。首先,将稀疏表征自学习字典方法用于滚动轴承多故障信号分析,得到一系列自学习字典集;然后,利用学习到的字典集重构滚动轴承多故障信号以消除噪声及干扰信号;最后,将盲提取方法用于重构后的滚动轴承复合故障信号,抽取出滚动轴承各单一故障信号,再逐一对单一故障信号进行包络解调分析,以获取相应的故障特征。通过实验,对所述方法的可行性及有效性进行了验证。