仪器仪表学报

作者：张 焱，蔡有鑫，王 平，韩 延，黄庆卿

单位：张 焱,1.重庆邮电大学工业物联网与网络化控制教育部重点实验室,,蔡有鑫,1.重庆邮电大学工业物联网与网络化控制教育部重点实验室,,王 平,1.重庆邮电大学工业物联网与网络化控制教育部重点实验室,,韩 延,1.重庆邮电大学工业物联网与网络化控制教育部重点实验室,,黄庆卿,1.重庆邮电大学工业物联网与网络化控制教育部重点实验室,

关键词：特征提取;故障诊断;时频谱;非负矩阵分解;编码;解调

基金：中国博士后科学基金(2022MD713687)、国家自然科学基金(51705056)、重庆市博士后科学基金(cstc2021jcyj-bshX0094)、重庆市自然科学基金面上项目(cstc2021jcyj-msxmX0556)资助

非负矩阵分解(NMF)作为一种矩阵分解以及非线性维数约简工具,被广泛用于多样本振动时频谱的分解编码以及特征提取,但单样本振动时频谱的NMF编码、尤其NMF分解向量与振动时频谱分量间关联关系尚缺乏探讨。阐述了单时频谱编码与解调的特征提取原理,重点分析了NMF对单时频谱基于部分的特征表示能力、单时频谱NMF基向量的带通滤波幅频特性(BFAC)、以及NMF编码向量与时频谱分量的同步变化特性。提出单时频谱NMF编码与解调的两种特征提取新方法,即基于NMF基向量的滤波解调和NMF编码向量直接解调,定义一种BFAC指数指标和基向量归一化的NMF编码优化迭代规则分别用于NMF低维参数自适应选取和优化求解过程。将所提方法用于仿真信号以及齿轮箱振动信号分析,6.4k长度数据在给定因子分解秩和NMF最大迭代300次终止条件设定下的特征提取用时约3.5s,同时实现了对信噪比为-10dB仿真信号以及多故障齿轮箱振动信号中故障特征的提取。

来源：2022年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2022年第12期