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

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。