一种改进的TVD电机轴承故障特征提取方法.pdfVIP

振动与冲击

第42卷第10JOURNALOFVIBRATIONANDSHOCKVol.42No.102023

一种改进的TVD电机轴承故障特征提取方法

王凡1,马军王晓东朱江艳1

(1.昆明理工大学信息工程与自动化学院，昆明650500；2,昆明理工大学云南省人工智能重点实验室，昆明650500)

摘要：针对全变分去噪(totalvariationdenoising,TVD)方法在恢复信号特征的过程中使用L1范数会导致信号振

幅降低和正则化参数人难以选取的问题，提出了一种基于非凸全变分去噪(noconvextotalvariationdenoising,NCTVD)和

天牛须有哪些信誉好的足球投注网站(beetleantennaesearch,BAS)算法的电机轴承故障特征提取方法。首先,引入反正切非凸惩罚函数定义二阶

TVD中的正则化项，增强信号的冲击特征并诱导稀疏性;其次，利用BAS算法对NCTVD中的正则化参数人和凸性参数a

进行寻优并选取最佳参数组合来增强所构造模型的降噪性能,并给予参数约束来保证模型严格凸的性质;然后,通过最小

优化算法求解新的NCTVD模型,实现振动信号的降噪和特征增强;最后，结合Teager能量算子(Teager-kaiserenergyopera­

tor,TKEO)方法对降噪后的信号进行频谱分析，实现对电机轴承故障特征提取的应用验证。公开数据和实测数据的试验

结果表明，该方法不仅有效地抑制噪声干扰和表征故障信息,还改善了传统TVD模型在提取故障特征过程中产生的脉冲

能量衰减和稀疏效果欠佳的问题。

关键词：电机轴承;故障诊断;全变分去噪(TVD)；天牛须有哪些信誉好的足球投注网站(BAS)

中图分类号：TN911.7；TH165.3文献标志码：ADOI:10.13465/j.cnki.jvs.2023.010.025

AnimprovedTVDfaultfeatureextractionmethodfomotobearing

WANGFan,MAJun2,WANGXiaodong2,ZHUJiangyan

(1.FacultyofInformationEngineeringAutomation,KunmingUniversityofScienceandTechnology,Kunming650500,China;

2.YunnanKeyLaboratoryofArtificialIntelligence,KunmingUniversityofScienceandTechnology,Kunming650500,China)

Abstract:InordertosolvetheproblemthattheuseofLIparametrizationintheproceofsignalfeaturerecovery

bytotalvariationdenoising(TVD)methodleadtothereductionofsignalamplitudeandthedifficultyofselectingthe

regularizationparameter入，amethodofmotorbearingfaultfeatureextractionbasedonnoconvextotalvariationdenoising

(NCTVD)andbeetleantennaesearch(BAS)waproposed.Firstly,theregularizationterminthesecond-orderTVDwa

definedbyintroducinganinv