摘要：针对滚动轴承处于强噪声工作环境且早期故障信息微弱而难以提取等问题，提出了一种基于奇异值分解（singular value decomposition， SVD）与参数优化变分模态分解（variational mode decomposition， VMD）的联合降噪方法。首先，对轴承振动信号进行了SVD分解，依据奇异值差分谱理论确定了有效奇异值的阶数并进行了叠加重构，经过矩阵逆变换得到了初步降噪信号；然后，运用灰狼优化算法对VMD的模态个数和惩罚因子两参数寻优后进一步分解了初步降噪信号，同时基于峭度和相关系数复合指标选取模态分量；最后，对筛选信号进行了重构，并包络解调分析了降噪前后的故障特征频率。仿真数据和实验数据分析表明：所提方法在强噪声背景下或故障特征信息极其微弱时，能够有效抑制噪声并提取有效故障信息。
文章目录
1基本原理
1.1 奇异值分解
1.2 变分模态分解
1.3 GWO算法
2 SVD-GWO-VMD降噪流程
3实验验证与分析
3.1 强噪声信号构建
3.2 SVD初步降噪
3.3 参数优化VMD二次降噪
3.4 SVD-GWO-VMD降噪效果验证
3.5 包络谱分析
4 结束语
