第59卷第9期2023年5月机械工程学报JOURNALOFMECHANICALENGINEERINGVol.59No.9May2023DOI：10.3901/JME.2023.09.146基于分量加权重构和稀疏NMF的轮毂电机轴承复合故障特征提取方法∗薛红涛1,2丁殿勇1李汭铖1徐兴3(1.江苏大学汽车与交通工程学院镇江212013；2.江苏大学振动噪声研究所镇江212013；3.江苏大学汽车工程研究院镇江212013)摘要：为解决复合故障特征分离提取效果不佳的问题，针对轮毂电机轴承故障，提出一种基于分量加权重构(Componentweightedreconstruction,CWR)与稀疏非负矩阵分解(Sparsenonnegativematrixfactorization,SNMF)相结合的故障特征提取方法。首先，提出了一种融合指标CIH，从多角度评价振动信号并自适应选取局部均值分解后的乘积函数(Productfunction,PF)分量，进行CWR实现故障特征的增强表达；其次，分析重构信号时频能量矩阵的奇异值与隐含子空间的关系，基于奇异值方差比定义重构信号的平滑系数，对SNMF算法最优分解维数进行预估计；最后，引入板仓-斋藤(Itakura-Saito,IS)距离和稀疏约束建立SNMF算法，对时频能量矩阵进行分解降维，通过短时傅里叶逆变换获得子空间时域分离信号并进行频谱包络分析，提取故障特征。由仿真及试验结果表明，所提方法可以有效实现复合故障特征的分离提取，具有一定的工程应用价值。关键词：轮毂电机；复合故障；特征提取；分量加权重构；稀疏非负矩阵分解中图分类号：TG156FeatureExtractionMethodBasedonComponentWeightedReconstructionandSparseNMFforBearingCompoundFaultsofIn-wheelMotorXUEHongtao1,2DINGDianyong1LIRuicheng1XUXing3(1.SchoolofAutomotiveandTrafficEngineering,JiangsuUniversity,Zhenjiang212013;2.InstituteofVibrationandNoise,JiangsuUniversity,Zhenjiang212013;3.AutomotiveEngineeringResearchInstitute,JiangsuUniversity,Zhenjiang212013)Abstract：Tosolvetheproblemofpoorseparationandextractionforcompoundfaultfeatures,afaultfeatureextractionmethodbasedoncomponentweightedreconstruction(CWR)andsparsenon-negativematrixfactorization(SNMF)isproposedforthefaultofin-wheelmotorbearings.Firstly,afusionindexCIHisproposedtoevaluatetheinformationofthevibrationsignalfrommultipleperspectivesandadaptivelyselecttheproductfunction(PF)componentbythelocalmeandecomposition,thenperformCWRtoenhancetheexpressionoffaultcharacteristic...
