基于K-L散度和TEO的滚动轴承故障频率识别方法

摘要

目的:针对滚动轴承故障信号易受噪声干扰,使故障频率难以识别,而传统奇异值分解方法存在主观性强、降噪效果不显著的问题,提出一种K-L散度与TEO相结合的滚动轴承故障频率识别方法。方法:首先,将一维故障信号构造成Hankel矩阵,并采用SVD对信号矩阵进行分解;然后,利用信号分量与原始信号的K-L散度值确定有效阶次进行降噪;最后,采用TEO对降噪后的信号进行解调,从而提取信号中的故障频率。结果:利用美国西储大学的滚动轴承数据集进行了验证,准确识别滚动轴承的转频、内圈故障频率及其倍频、内圈故障频率与转频之和的频率。结论:提出的方法可有效应用于滚动轴承振动信号的降噪及故障频率识别。