基于非负张量分解的依赖图分析用于非高斯噪声下的局部损伤检测
信号处理
2026-04-28 v2
摘要
时频图 (TFM) 常用于条件监控，需进一步处理以选择有信息的频率带 (IFB) 或直接检测损伤。然而，由于谱结构的复杂性、非高斯干扰以及振动信号中重叠的故障特征，选择 IFB 具有挑战性。此外，动态运行条件和低信噪比进一步复杂化了相关特征的识别，这些特征指示损伤的存在。为解决此问题，本文提出了一种用于滚动轴承中 Informative Band Selection 和局部损伤检测的新方法，基于非负张量分解 (NTF) 的依赖图分析。利用最近提出的依赖图概念，对一组依赖图进行分解，以分离有信息的成分与无信息的成分。依赖图提供了关于谱内容自相似性的有价值信息，而 NTF 作为图像处理中常用的特征提取工具，能够增强这一过程。这种方法的组合允许提取 IFB，为局部损伤检测提供了基础。该方法的有效性通过使用含非高斯干扰的合成信号和实际振动信号进行了验证。
引用
@article{arxiv.2502.11212,
title = {Non-negative tensor factorization-based dependence map analysis for local damage detection in presence of non-Gaussian noise},
author = {Anna Michalak and Justyna Hebda-Sobkowicz and Anil Kumar and Radoslaw Zimroz and Rafal Zdunek and Agnieszka Wylomanska},
journal= {arXiv preprint arXiv:2502.11212},
year = {2026}
}