非平稳信号的时变自回归建模及其在轴承故障诊断中的应用

基于时变自回归(tvar)方法实现了非平稳随机信号的参数化建模,提出采用最小信息准则确定模型阶数.通过多分量线性调频仿真信号的时变谱估计,表明该方法分辨率高,没有交叉项的干扰,计算速度快.在仿真分析的基础上,应用参数化时频谱和bp神经网络方法进行滚动轴承故障信号的分类和辨识,并基于能量法对时频图进行特征提取.分析结果表明,时变自回归方法的拟合精度高,能有效提取轴承故障信号特征,同时结合神经网络能对故障进行准确诊断.