軸承故障振動(dòng)信號(hào)的稀疏表征與重構(gòu)方法研究.pdf

1、隨著現(xiàn)代科技的飛速發(fā)展和工業(yè)自動(dòng)化水平不斷提高，機(jī)械設(shè)備的結(jié)構(gòu)日益多樣化、復(fù)雜化。旋轉(zhuǎn)機(jī)械一旦發(fā)生故障，造成的損失往往是無(wú)法估量的。因此，應(yīng)用現(xiàn)代信號(hào)處理技術(shù)對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)行狀態(tài)進(jìn)行在線監(jiān)測(cè)、診斷，并且在發(fā)現(xiàn)故障后及時(shí)采取相應(yīng)措施具有十分重要的意義。然而，旋轉(zhuǎn)機(jī)械的結(jié)構(gòu)不斷復(fù)雜化以及信號(hào)獲取量的急劇增長(zhǎng)，使得信號(hào)在線監(jiān)測(cè)、信號(hào)處理面臨困難。壓縮感知理論的提出為克服這些困難提供了新思路，本論文分別從稀疏表征、稀疏度估計(jì)、信號(hào)重構(gòu)三個(gè)方面展

2、開(kāi)具體研究工作。
　　稀疏表征方面，對(duì)振動(dòng)信號(hào)的稀疏表征方法進(jìn)行了研究。首先對(duì)分析字典和學(xué)習(xí)字典進(jìn)行了概述，然后通過(guò)滾動(dòng)軸承振動(dòng)信號(hào)的稀疏表征實(shí)驗(yàn)對(duì)比了兩種字典的性能，并且對(duì)參數(shù)化字典做了簡(jiǎn)要介紹。同時(shí)，分析了分析字典和學(xué)習(xí)字典在稀疏表征中的運(yùn)行速度，提升算法的運(yùn)行速度同樣十分重要。
　　在信號(hào)的稀疏度估計(jì)方面，本文研究了基于壓縮感知算法和奇異值分解算法的稀疏度估計(jì)方法。針對(duì)先前的稀疏度估計(jì)方法運(yùn)算復(fù)雜度高這一問(wèn)題，本文對(duì)基

3、于奇異值分解的稀疏度估計(jì)方法進(jìn)行改進(jìn)，該算法不需要遍歷多次信號(hào)重構(gòu)過(guò)程，可以快速而準(zhǔn)確的估計(jì)出信號(hào)稀疏度，并利用滾動(dòng)軸承振動(dòng)信號(hào)的稀疏度估計(jì)實(shí)驗(yàn)驗(yàn)證了該算法的優(yōu)越性。
　　在信號(hào)的重構(gòu)算法方面，本論文研究了正交匹配追蹤算法和壓縮采樣匹配追蹤算法。針對(duì)壓縮感知算法在應(yīng)用冗余字典對(duì)信號(hào)進(jìn)行壓縮重構(gòu)時(shí)，信號(hào)重構(gòu)精度低、穩(wěn)定性差這一問(wèn)題，提出了基于信號(hào)空間的壓縮感知重構(gòu)算法，該算法提高了信號(hào)的重構(gòu)精度以及算法穩(wěn)定性。分別通過(guò)基于信號(hào)空間的