变工况下混合噪声字典和迁移子空间学习的滚动轴承故障诊断方法

作     者：张嘉玲 武吉梅 ZHANG Jialing;WU Jimei

作者机构：西安文理学院机械与材料工程学院西安710065 西安理工大学机械与精密仪器工程学院西安710048 西安理工大学印刷包装与数字媒体学院西安710054 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2022年第41卷第18期

页      面：176-183页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(52075435) 陕西省教育厅重点科学研究计划(20JY054) 陕西省技术创新引导专项(2020QFY03-04,2020JM-457)。 

主　　题：滚动轴承 故障诊断 字典学习 迁移子空间学习 

摘      要：滚动轴承在实际运行中受到复杂的工作环境影响,采集的振动信号无法满足独立同分布的条件。同时,振动信号混有大量的噪声和无关信息,直接影响诊断轴承故障的能力。因此,提出一种变工况下混合噪声字典和迁移子空间学习的滚动轴承故障诊断方法。首先,通过建立混合噪声字典学习模型,剔除无关信息分量对字典学习的干扰。然后,构建迁移子空间模型,将稀疏化的信号迁移到一个公共子空间中,通过联合分布适配方法和减少源域分类误差来降低两个域的分布差异。最后,通过交替方向乘子方法进行优化求解。实验结果表明,所提出的方法在复杂的可变工况下能够准确地识别滚动轴承故障类型。