黄刚劲， 范玉刚， 冯 早， 齐 鹏

(1．昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2．云南省矿物管道输送工程技术研究中心，云南 昆明 650500)



基于SVD—形态降噪的TKEO故障诊断方法研究*

黄刚劲1,2， 范玉刚1,2， 冯 早1,2， 齐 鹏1,2

(1．昆明理工大学 信息工程与自动化学院，云南 昆明 650500；2．云南省矿物管道输送工程技术研究中心，云南 昆明 650500)

针对强噪声干扰背景下微弱故障特征信息难以提取的问题，提出了一种基于奇异值分解(SVD)—形态降噪的Teager能量算子(TKEO)故障诊断方法。首先对轴承振动信号进行SVD，对得到的分量信号进行形态滤波，以滤除噪声干扰；然后利用峭度准则对分量信号进行筛选，并对其进行重构；最后利用TKEO计算重构信号的瞬时能量，得到信号的能量谱，提取振动信号的特征。将提出的方法应用于滚动轴承故障分析，结果表明该方法能清晰地提取故障特征信息。

奇异值分解； 形态学滤波； 峭度准则； Teager能量算子； 故障诊断

0 引 言

滚动轴承是旋转机械中最容易发生故障的一个部件，其运行状态往往直接影响整机的性能，因此对其进行故障监测和诊断的研究有着重要意义[1]。由于轴承在运行过程中难免会受到外界环境的噪声干扰，其早期微弱故障特征的冲击特征往往会被淹没而不易被发现。如何在强噪声背景下有效提取轴承的微弱故障特征信息，对滚动轴承进行故障监测与诊断成为该领域研究的一个热点[2]。

由于奇异值分解(singular value decomposition，SVD)是一种代数特征提取方法，具有良好的数值稳健性，被广泛应用于故障诊断等领域[3]。……