機械振動信號的稀疏分解理論研究.pdf

1、機械振動信號傳遞與承載著機械設備工作過程中所蘊含的重要信息，在線監(jiān)測與采集機械振動信號是機械工程領域，尤其是故障診斷或遠程故障診斷技術中的核心技術之一，本文將壓縮感知理論應用到機械振動信號的監(jiān)測，研究該理論時，振動信號的稀疏分解問題是壓縮感知理論應用的前提和基礎，且信號的稀疏分解有助于解決傳統(tǒng)方法采樣頻率高，數(shù)據(jù)存儲量大和傳輸困難等問題。稀疏分解是在一組高度冗余變換基的作用下，將待分解信號表示成一系列基的線性組合。分解后的信號可以用少量

2、特征明顯的分量來表征，即可獲得簡單、靈活且能表征信號特征的展開式。這種自適應分解方法是非常有用的，將為信號的后期處理提供極大的便利。因此，本文研究的重點集中于機械振動信號的稀疏分解問題。論文的主要工作及研究成果如下:
　　1.以滾動軸承為研究對象，建立軸承振動信號的理論模型，并根據(jù)其結構特點和先驗知識構造了改進的基于指數(shù)衰減余弦函數(shù)的原子庫。用改進PSO算法優(yōu)化MP算法，并分別對滾動軸承振動信號在指數(shù)衰減正弦原子庫和本文改進的原子

3、庫下分別進行稀疏分解，結果顯示本文構造的改進的指數(shù)衰減余弦原子庫有更好相似度和衰減率，且殘余量也更小。
　　2.根據(jù)滾動軸承振動信號數(shù)據(jù)產(chǎn)生訓練樣本，通過K-SVD算法并結合OMP算法設計能完全匹配滾動軸承振動信號整體特征的有訓練過完備字典，再用OMP算法對與訓練樣本特征相似的軸承振動信號進行稀疏分解與重構，并與指數(shù)衰減正弦原子庫（無訓練字典）的稀疏分解與重構效果相比較，結果顯示本文構造的有訓練字典更加能符合振動信號的特點，能用較