摘要：为了提取机械设备被强背景噪声淹没的故障特征，采用一种具有通用意义的基于奇异值分解（Singular value decomposition, SVD）的子空间降噪算法对信号进行处理，即μ-SVD降噪算法。传统的SVD降噪算法是μ-SVD降噪算法中拉格朗日乘子μ=0时的一种特殊情况。μ-SVD降噪算法包含滤值因子，能够抑制以噪声贡献占主导的奇异值对降噪后信号的信息贡献量。μ-SVD 降噪算法涉及延迟时间、嵌入维数、降噪阶次、噪声功率和拉格朗日乘子等5个参数。讨论了μ-SVD降噪算法的参数选择方法，并着重研究降噪阶次和拉格朗日乘子对降噪效果的影响。齿轮故障仿真信号和齿轮早期裂纹故障振动信号的试验结果表明，μ-SVD降噪算法在降噪效果方面要优于传统的SVD降噪算法，可以在强背景噪声情况下更好地提取出齿轮的故障特征。

关键词：降噪 滤值因子 故障诊断 齿轮 

单位：湖南大学汽车车身先进设计制造国家重点实验室 长沙410082