导读:本文包含了故障字典论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:稀疏,字典,轴承,故障诊断,故障,分解,算法。
故障字典论文文献综述
周浩轩,刘义民,刘韬[1]（2019）在《基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取》一文中研究指出通过分析轴承内外圈故障时域波形特征,结合其早期微弱故障特点,提出了一种与轴承故障波形高度匹配的衰减余弦过完备字典,同时与稀疏表示基追踪方法的特征符号搜索算法相结合的新型算法(ACFS),实现了强噪声干扰下轴承微弱故障特征的提取。通过分析原始信号频谱与理论故障特征,确定了张成原子库的参数,并结合特征符号搜索算法对不同信噪比轴承内圈仿真信号和轴承全寿命数据中的早期微弱故障信号进行了分析。对比普通包络解调方法与基于Symlet8小波包字典的普通BPDN结果表明,该方法可以在极早期实际轴承故障信号中高效、准确地提取出故障特征频率。对于噪声具有极好的冗余度与鲁棒性。(本文来源于《振动与冲击》期刊2019年21期）
王霄,谢平,郭源耕,武鑫,江国乾[2]（2019）在《基于多字典-共振稀疏分解的脉冲故障特征提取》一文中研究指出针对信号共振稀疏分解(RBSSD)方法中因字典单一导致其在处理低信噪比信号时存在分解不完全,以及因参数繁多选取困难而使其在实际工程中存在应用局限的问题,提出了多字典-共振稀疏分解(MD-RBSSD)方法。该方法在RBSSD调Q字典的基础上添加了Symlet8字典和正弦字典,通过对RBSSD分解后的低共振分量进行再次分离来实现对故障脉冲的增强提取。同时,引入相关峭度指标对提取结果进行量化评价,以验证分解结果的可靠性。算法仿真、实验分析和工程实例结果均表明,与传统RBSSD方法相比,所提出的MD-RBSSD方法能够更加准确有效地提取故障冲击成分,降低了RBSSD参数选择的难度,从而增加了RBSSD方法在工程领域的适用性。(本文来源于《中国机械工程》期刊2019年20期）
王维刚,陶京,刘占生[3]（2019）在《基于半监督最大间隔字典学习的故障诊断方法》一文中研究指出针对有标记故障样本不足及传统半监督诊断方法识别率低的问题,提出基于半监督最大间隔字典学习算法(semi-supervised max-margin dictionary learning,简称SSMMDL)的故障诊断方法。该方法将无标记样本重构误差项添加至最大间隔字典学习算法模型中,通过最小化无标记样本稀疏重构误差项、有标记样本稀疏重构误差项、支持向量机的损失函数正则项和分类间隔正则项,实现字典和支持向量机的同步学习,从而获得判别能力较强的字典。在此基础上,运用稀疏编码获得测试样本的稀疏表示,利用基于稀疏表示的分类器进行故障识别。通过对转子不同故障进行识别,结果表明所提方法较相关对比算法识别准确率更高,可以满足机械故障在线监测的需要。(本文来源于《振动.测试与诊断》期刊2019年05期）
邓韬,林建辉,黄晨光,靳行[4]（2019）在《基于索引冗余字典的轴承故障组稀疏分类方法研究》一文中研究指出基于声发射信号的高速列车轮对轴承早期故障状态诊断和分类复杂性高,常用的人工神经网络及支持向量机方法在参数设置与多分类问题上存在困难。组稀疏分类(GSRC)仅通过超完备字典下稀疏重构即可实现理想的多分类,在图像、语音分类中成为热点。为将GSRC用于轴承故障识别,设计了一种带索引的复合故障冗余字典,利用样本信号多尺度排列熵构成索引字典的小体积优势预先匹配来缩小故障类范围,以邻近梯度法和最优一阶加速的组LASSO约束优化算法来提高收敛性和计算速度;采用改进EEMD结合变分模态分解自适应的获得各故障类初始原子,以保留故障的非线性特征,同时提出一种原子区间平移稀疏编码方法(Interval Translation Sparse Coding, ITSC)放宽了样本数据截取要求,原子有更好的紧凑性与稀疏性;对七类轴承缺陷试验台跑合声发射信号进行分类,验证了该方法的性能。(本文来源于《振动与冲击》期刊2019年07期）
张兆珩,丁建明,吴超,林建辉[5]（2019）在《移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用（英文）》一文中研究指出由轴承故障所产生的故障冲击成分是对齿轮箱轴承故障评估的关键特征。但是由于严重的背景噪声与其它振动的干扰,从测量的振动信号中提取这些故障尤其是早期故障的冲击成分是十分困难的。为了捕捉到这些隐藏在测量的振动信号中的冲击成分的高阶特征,应用一种被称作移不变K均值奇异值分解字典学习算法(SI-K-SVD)对齿轮箱轴承进行早期故障检测。尽管移不变K均值奇异值分解字典学习算法比现有的大部分算法更具有灵活性与自适应性,但与该算法密切相关的两种参数(迭代次数与模式的长度)的不合理选取,会对故障诊断的效果产生负面影响。因此,该算法引入包络谱的稀疏度与峭度值并分别用于选取上述两种参数。基于这两种参数优化选取的移不变K均值奇异值分解字典学习算法,被称为最优参数移不变奇异值分解字典学习算法(OP-SI-K-SVD),本文采用该算法用于齿轮箱轴承的故障检测。通过对仿真与台架试验的数据的分析,验证了该算法的有效性。同时通过与现有的几种先进算法(经验模态分解、小波变换和K均值奇异值分解)的对比,最优参数移不变奇异值分解字典学习算法在齿轮箱轴承的早期故障诊断中展现出了优异的性能。(本文来源于《Journal of Central South University》期刊2019年04期）
瞿蔚[6]（2019）在《自适应稀疏字典设计及其在齿轮系统混合故障诊断中的应用研究》一文中研究指出齿轮和轴承是现代工业机械设备中的重要组成部件,长时间在复杂多变、环境恶劣的条件中工作后,会发生各种类型的故障从而引发安全隐患。如何从含有大量噪声干扰的信号中快速准确地识别出故障成分,进行有效的故障诊断和设备监控对于保障设备及人员安全具有重大意义。基于信号的稀疏表征理论,在轴承和齿轮的故障特征信号分离提取方面进行了研究。提出了一种提取滚动轴承冲击型故障特征信号的新方法。将解析字典原子的构建同实测信号联系起来,建立了能同时考虑时频域冲击响应函数特点的新冲击响应原子约束函数,所得字典原子具有明确的物理意义同时与实际信号有较高的匹配度,能够更好地表征故障特征;融合了粒子群和梯度下降两种算法的优点来加速求解原子约束函数,对不同适应度区间的粒子采取不同的更新策略,兼顾了收敛速度和求解精度,尤其对于高采样频率下的信号具备更大的速度优势。引入了奇异值分解降噪对信号预处理,突出了特征信号主成分,使算法在原子和系数的求解上都具有更高的精度。仿真与实验结果一致,表明所提算法比对比算法速度快、精度高、抗噪和自适应能力强,能够更好地提取滚动轴承内圈、外圈故障特征信号,有效地诊断故障。针对信号成分更加复杂的齿轮箱系统,提出了复合故障下耦合调制振动信号的分离提取方法。所构建的平稳调制字典使用了比值校正法对原子参数进行校正,字典精度更高,通过两次稀疏分解完成耦合故障信号的分离。对SALSA算法的叁个重要参数分别进行了研究,分析了参数对求解结果的影响,确定了原子长度的选取准则;通过建立能量比算子,实现了根据待求解信号自适应地选取正则项和罚函数的值,减少了人工试错的偶然性。仿真验证了不同信噪比下的复合故障信号的分离提取效果,结果表明当复合故障信噪比分别为-3dB、-6dB、-9dB时,虽然原子参数的精度有所降低,但所提方法依然能够将所有位置的冲击重构出来。将其应用于定轴轮系和行星轮系的实验信号中,能成功分离出平稳调制信号和冲击故障信号,冲击故障周期的相对误差小于1%,证明了所提方法的有效性。(本文来源于《华南理工大学》期刊2019-04-12）
张志强,孙若斌,徐冠基,杨志勃,陈雪峰[7]（2019）在《采用非相关字典学习的滚动轴承故障诊断方法》一文中研究指出针对轴承振动信号中早期故障特征难以识别的问题,提出了利用非相关字典学习稀疏提取微弱冲击特征,进而完成故障诊断的方法。字典的构造是影响稀疏表示算法性能的关键步骤,而传统字典学习方法构造的冗余字典,原子之间具有很强的相关性,不足以表现信号不同的结构特性,也不利于信号准确稀疏重构,进而影响了冲击故障特征信号的提取。因此,在K均值奇异值分解算法(K-SVD)的基础上加入了原子解相关的步骤,形成了非相关字典学习算法(INK-SVD)。采用INK-SVD算法在含噪振动信号段样本中,学习构造低相关性自适应字典;在此基础上,利用稀疏表示方法准确提取冲击故障特征,从而实现更准确的轴承故障诊断。通过仿真分析及实验数据分析,与传统字典学习方法相比,该方法稀疏系数恢复精确度更高,重构信号的包络解调谱更有利于故障特征的辨识,从而验证了该方法的有效性。(本文来源于《西安交通大学学报》期刊2019年06期）
张裕顺[8]（2019）在《基于小波分析和字典学习的轴承故障诊断方法研究》一文中研究指出滚动轴承是旋转机械中关键的传动构件,其工作状态对机械装置的安全运转和整个系统的平稳运行具有重要影响。但是由于长时间运转导致的机械磨损、接触疲劳和其它原因等很容易导致轴承发生局部损伤,因此研究滚动轴承故障的诊断方法,对于确保设备安全运行、降低经济损失以及避免潜在的安全事故发生都具有重要的意义。论文以滚动轴承为研究对象,以振动信号为研究载体,研究在不同负载和不同故障深度下,对轴承的内圈损伤、滚动元件损伤和外圈损伤叁种单一故障的诊断技术,同时对振动信号的特征提取技术和轴承故障类型的智能识别技术两部分主要内容分别进行了讨论与研究。论文的主要工作内容如下:(1)介绍了轴承故障诊断这一研究内容的背景与意义,并对当前国内外的技术方案进行了调查与讨论,最后归纳与总结目前存在的故障诊断中振动信号的特征提取方法以及相应的故障模式智能识别方法的原理和优缺点。(2)针对在多种故障深度和多变负载下,分辨轴承单一故障类型较为困难这一问题,论文基于小波分析原理采用了连续小波变换下的Hermitian-尺度能量谱的特征提取方法。该方法能够从不同尺度上分析振动信号的能量分布和能量大小,并能进一步提取出能量特征,在联合时域统计特征下构成联合特征后可成功运用到小样本下的轴承故障诊断中。实验表明在选取一些特定小波时,该方案即使是在采用不同的分类器下也能有效诊断轴承的单一故障类型,具有较好的鲁棒性和可靠性。(3)为了实现轴承故障类型诊断的自动化,提高故障诊断的准确性,论文定制了基于遗传算法的支持向量机的参数优化模型,并成功将其应用于对轴承内圈损伤、滚动元件损伤和外圈损伤的智能识别中。实验表明该模型能够自动优化参数,优化后的支持向量机能对滚动轴承的单一故障类型做到有效识别,同时整个诊断模型在叁种不同数据集下也能对故障类型做到可靠识别。(4)论文在对字典学习技术和表示分类技术做了归纳与总结的同时,针对轴承相同部位下发生不同深度的故障的诊断识别这一多分类难题,提出了基于字典学习的改进协同表示分类(CRC)模型。针对所提出的字典学习最优化模型,论文给出了编码与字典交替迭代更新的求解算法,该算法因其每步迭代都能获得解析解而显得非常高效。根据字典表示下的表示分类模型和振动信号的特点,论文采用了两种简单的特征提取方案,结合改进的CRC模型成功运用到轴承的故障识别中。实验表明所提方法可以诊断出四种不同故障深度下的叁种单一故障部位,同时在叁组不同数据集下的高诊断精度也表明了该方法具有一定的可靠性。(本文来源于《安徽大学》期刊2019-02-01）
王新辉[9]（2019）在《实验室信息系统故障分析及字典维护要点》一文中研究指出目的分析实验室信息系统(LIS)故障原因,探讨LIS管理员如何做好系统的维护及减少LIS故障发生。方法对2015年1月—2018年1月我院检验科LIS系统故障进行分析。结果近3年来的LIS故障共112次,其中由工作人员操作错误45次,占全部故障的40.18%。所有故障中由LIS管理员处理的98次,占87.50%。由LIS字典维护错误造成的31次,占27.68%。结论 LIS故障绝大部分为人为操作不当所致,主要依靠LIS管理员处理。LIS故障有很大部分是由字典维护错误导致,仔细科学维护LIS字典非常重要。(本文来源于《基层医学论坛》期刊2019年04期）
周浩轩,刘韬,刘义民,陈庆[10]（2018）在《基于残差比阈值优化冲击衰减字典的轴承故障特征提取研究》一文中研究指出机械设备工作时引起的振动信号蕴藏着丰富的工作状态信息。轴承是机械设备中重要的部件,其工作状态严重影响着设备的工作性能。根据信号特征张成与信号匹配度较高的冲击衰减字典,通过对比几种不同的稀疏表示迭代停止条件的优劣后,选用残差比阈值作为迭代停止条件,并结合稀疏表示中的MP算法进行轴承故障特征的提取研究。分别验证了轴承故障仿真信号、加工故障信号以及加速疲劳失效轴承故障信号,对比传统去噪方法,结果表明其能够在强背景噪声中较为准确的重构出故障特征信号,极大地提高了恶劣工况下故障特征提取的成功率与准确性,同时显示该方法在轴承早期故障信号中能准确可靠地提取出故障频率。(本文来源于《电子测量与仪器学报》期刊2018年11期）
故障字典论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对信号共振稀疏分解(RBSSD)方法中因字典单一导致其在处理低信噪比信号时存在分解不完全,以及因参数繁多选取困难而使其在实际工程中存在应用局限的问题,提出了多字典-共振稀疏分解(MD-RBSSD)方法。该方法在RBSSD调Q字典的基础上添加了Symlet8字典和正弦字典,通过对RBSSD分解后的低共振分量进行再次分离来实现对故障脉冲的增强提取。同时,引入相关峭度指标对提取结果进行量化评价,以验证分解结果的可靠性。算法仿真、实验分析和工程实例结果均表明,与传统RBSSD方法相比,所提出的MD-RBSSD方法能够更加准确有效地提取故障冲击成分,降低了RBSSD参数选择的难度,从而增加了RBSSD方法在工程领域的适用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
故障字典论文参考文献
[1].周浩轩,刘义民,刘韬.基于衰减余弦字典和稀疏特征符号搜索算法的轴承微弱故障特征提取[J].振动与冲击.2019
[2].王霄,谢平,郭源耕,武鑫,江国乾.基于多字典-共振稀疏分解的脉冲故障特征提取[J].中国机械工程.2019
[3].王维刚,陶京,刘占生.基于半监督最大间隔字典学习的故障诊断方法[J].振动.测试与诊断.2019
[4].邓韬,林建辉,黄晨光,靳行.基于索引冗余字典的轴承故障组稀疏分类方法研究[J].振动与冲击.2019
[5].张兆珩,丁建明,吴超,林建辉.移不变字典学习算法提取冲击成分及其在齿轮箱轴承早期故障诊断中的应用（英文）[J].JournalofCentralSouthUniversity.2019
[6].瞿蔚.自适应稀疏字典设计及其在齿轮系统混合故障诊断中的应用研究[D].华南理工大学.2019
[7].张志强,孙若斌,徐冠基,杨志勃,陈雪峰.采用非相关字典学习的滚动轴承故障诊断方法[J].西安交通大学学报.2019
[8].张裕顺.基于小波分析和字典学习的轴承故障诊断方法研究[D].安徽大学.2019
[9].王新辉.实验室信息系统故障分析及字典维护要点[J].基层医学论坛.2019
[10].周浩轩,刘韬,刘义民,陈庆.基于残差比阈值优化冲击衰减字典的轴承故障特征提取研究[J].电子测量与仪器学报.2018
论文知识图
