论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 张志强,孙若斌,徐冠基,杨志勃,陈雪峰
关键词: 稀疏表示,非相关字典学习,特征提取,故障诊断
来源: 西安交通大学学报 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 中车青岛四方机车车辆股份有限公司,西安交通大学机械工程学院
基金: 国家自然科学基金资助项目(51875433)
分类号: TH133.33
页码: 29-34
总页数: 6
文件大小: 1641K
下载量: 421