信號(hào)的稀疏表達(dá)在滾動(dòng)軸承故障特征提取及智能診斷中的應(yīng)用研究.pdf

1、現(xiàn)代科學(xué)技術(shù)的迅猛發(fā)展讓越來越多的先進(jìn)技術(shù)融入于機(jī)械設(shè)備的故障診斷領(lǐng)域，并取得了令人驚嘆的成績(jī)，這使當(dāng)今的故障診斷上升到了一個(gè)新的臺(tái)面。稀疏表達(dá)技術(shù)作為新興的信號(hào)處理方法，其自身優(yōu)勢(shì)十分適用于機(jī)械故障診斷。本文從稀疏表達(dá)理論的研究成果出發(fā)，探索了該方法對(duì)于機(jī)械故障信號(hào)的特征提取和故障診斷等方面的應(yīng)用潛力。
　　旋轉(zhuǎn)機(jī)械在現(xiàn)代工業(yè)和生產(chǎn)中占有越來越大的比重。對(duì)旋轉(zhuǎn)機(jī)械的運(yùn)轉(zhuǎn)異常做出及時(shí)預(yù)警不僅可以保證其運(yùn)作的安全性，還可以帶來明顯的

2、經(jīng)濟(jì)收益。滾動(dòng)軸承作為實(shí)現(xiàn)其核心功能的關(guān)鍵部件在旋轉(zhuǎn)機(jī)械中有廣泛的應(yīng)用，其運(yùn)行狀態(tài)的可靠性與否關(guān)系到整個(gè)機(jī)械系統(tǒng)的工作性能。因此，對(duì)于新的故障診斷方法的探索和開展，滾動(dòng)軸承是一個(gè)很好的研究對(duì)象?；谏鲜隹紤]，本文從滾動(dòng)軸承的故障診斷出發(fā)，基于稀疏表達(dá)理論提出了一系列的故障特征提取和故障診斷方法。主要內(nèi)容如下:
　　1.從歷史背景、科技發(fā)展和實(shí)際工程案例等方面詳細(xì)闡述了機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)和故障診斷這一選題的研究意義。以滾動(dòng)軸承為研究

3、對(duì)象，從其故障機(jī)理和信號(hào)特點(diǎn)出發(fā)，回顧并分析了現(xiàn)有的診斷研究方法，包括時(shí)域上的、頻域上的和時(shí)頻域上的診斷方法，并基于國(guó)內(nèi)外的研究成果和研究現(xiàn)狀討論了各個(gè)方法的優(yōu)缺點(diǎn)和當(dāng)今故障診斷研究的不足方面。對(duì)智能診斷技術(shù)做了概述，并著重介紹了目前熱門的神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)技術(shù)。詳細(xì)闡述了稀疏表達(dá)理論在故障診斷領(lǐng)域的三個(gè)主要方面的研究應(yīng)用，即信號(hào)降噪、特征提取和故障分類，并在最后提出了本文研究的主要思路。
　　2.對(duì)稀疏表達(dá)理論的基本概念做了詳

4、細(xì)介紹，從數(shù)學(xué)模型出發(fā)提出了稀疏系數(shù)求解和字典設(shè)計(jì)兩個(gè)稀疏表達(dá)理論中的主要問題，并結(jié)合現(xiàn)有的研究狀況對(duì)這兩類問題分別詳細(xì)闡述了幾個(gè)常用方法且做了簡(jiǎn)單的比較分析。這些理論介紹為后續(xù)章節(jié)提出的診斷方法奠定了理論基礎(chǔ)。
　　3.針對(duì)傳統(tǒng)小波變換的小波函數(shù)振動(dòng)模式與機(jī)械故障信號(hào)的振動(dòng)模式匹配不足這一缺陷，結(jié)合稀疏表達(dá)理論提出了一種可調(diào)小波振動(dòng)模式的過完備小波變換。隨后，以應(yīng)用對(duì)比的方式分析了該變換相比傳統(tǒng)時(shí)頻變換用于特征提取的優(yōu)勢(shì)，并從中

5、提取出可用于故障診斷的SWE特征。實(shí)驗(yàn)驗(yàn)證SWE特征相較以傳統(tǒng)時(shí)頻方法得到特征的分類性能更出色。
　　4.利用結(jié)構(gòu)稀疏表達(dá)理論建立起表征數(shù)據(jù)關(guān)系的結(jié)構(gòu)字典并對(duì)各類信號(hào)進(jìn)行有效表征，使得同類型的具有相似模式的滾動(dòng)軸承振動(dòng)信號(hào)具有統(tǒng)一的表達(dá)模式。系數(shù)求解過程中基于混合約束項(xiàng)進(jìn)行計(jì)算優(yōu)化，使得最終表達(dá)在組層面上和結(jié)構(gòu)層面上均進(jìn)行特征選擇，準(zhǔn)確把握信號(hào)的類別和結(jié)構(gòu)模式。為了便于后續(xù)的分析診斷，從表達(dá)中進(jìn)一步提出了低維故障特征SSW，并以實(shí)

6、驗(yàn)證明該特征具有很強(qiáng)的噪音抑制能力和穩(wěn)定性，可有效實(shí)現(xiàn)軸承的故障診斷。
　　5.將數(shù)據(jù)的流形學(xué)習(xí)理論與稀疏表達(dá)理論相結(jié)合，針對(duì)滾動(dòng)軸承故障診斷問題的解決提出了ManiSC特征提取框架。該方法首先利用數(shù)據(jù)的先驗(yàn)知識(shí)建立起表征數(shù)據(jù)關(guān)系的圖譜矩陣，再以流形學(xué)習(xí)方式找到數(shù)據(jù)的基矩陣，并將數(shù)據(jù)映射至稀疏域。實(shí)驗(yàn)證明了ManiSC特征能以低維的方式有效表征出原始高維數(shù)據(jù)中的幾何特性和內(nèi)在數(shù)據(jù)結(jié)構(gòu)，并比標(biāo)準(zhǔn)的稀疏表達(dá)和流形學(xué)習(xí)方法具有更出色的魯