基于K-奇异值分解和层次化分块正交匹配算法的滚动轴承故障诊断

论文摘要

利用层次化分块正交匹配算法（HBW-OOMP）的高稀疏性和运算速度快等优点,提出了一种基于K-奇异值分解（K-SVD）字典和HBW-OOMP算法的故障轴承诊断方法。首先利用K-SVD自学习训练方法得到包含冲击成分的冗余字典,克服了固定结构字典适应性不强的缺点。然后采用基于分块思想的HBW-OOMP算法进行原子的选取和稀疏系数的求解,以重构信号包络谱峭度最大为终止条件,自适应确定分解次数。最后应用所提方法对仿真信号和故障轴承实验信号进行故障特征提取,结果表明该方法能够有效提取强背景噪声下故障特征成分,具有一定的应用前景。

论文目录

• 0 引言
• 1 冗余字典构造
• 2 稀疏系数求取
• 3 实验研究
•   3.1 仿真测试
•   3.2 实验研究
•     3.2.1 外圈故障特征提取
•     3.2.2 轴承内圈故障特征提取
•     3.2.3 轴承滚动体故障特征提取
• 4 结语

文章来源

类型: 期刊论文

作者: 张文颢,李永健,张卫华

关键词: 稀疏表示,奇异值分解,层次化分块正交匹配,块处理,包络谱峭度

来源: 中国机械工程 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 西南交通大学牵引动力国家重点实验室,五邑大学轨道交通学院,西华大学汽车测控与安全四川省重点实验室

基金: 国家重点研发计划资助项目(2016YFB1200401),国家科技支撑计划资助项目(2015BAG19B02),汽车测控与安全四川省重点实验室开放课题资助项目(szjj2018-132),江门市基础与理论科学研究类科技计划资助项目(2018JC01005)

分类号: U472

页码: 406-412

总页数: 7

文件大小: 2099K

下载量: 447