基于ITD和敏感SVD的故障诊断方法研究

如何在含有噪声的振动信号中提取故障特征，是轴承故障诊断的关键问题，为此本文提出一种基于本征时间尺度分解(Intrinsic Time-scale Decomposition，ITD)和敏感奇异值分解(Sensitive Singular Value Decomposition，SSVD)的故障诊断方法.首先对时域振动信号进行ITD预处理，并根据峭度准则选取包含故障信息的敏感旋转(Proper Rotation，PR)分量用于振动信号重构，以凸显振动信号局部特征；然后对此时频信号进行敏感SVD分析，通过敏感因子及定位因子选择敏感SVD分量重构信号，以滤除噪声干扰，提取微弱故障信息；最后利用Teager-Kaiser能量算子(Teager-Kaiser Energy Operator，TKEO)计算故障信息的瞬时能量，并对其进行频谱分析，获取故障特征频率，用于识别故障类型.将此方法应用于轴承故障诊断，实验证明了所提方法的有效性.