滾动轴承振动信号的稀疏表示研究(修改后).docVIP

滚动轴承振动信号的稀疏表示研究 郭俊锋1,2，郑晓慧2，魏兴春1,2 （1．兰州理工大学, 数字制造技术与应用省部共建教育部重点实验室； 2．兰州理工大学机电工程学院，兰州730050） 摘要：振动信号蕴含着丰富的装备工作信息，信号稀疏表示能够有效地提取信号最本质的特征。文章以滚动轴承振动信号为对象，对其进行了稀疏表示研究。首先，根据轴承振动信号的频谱结构特点，基于信号自适应展开，构造了基于指数衰减余弦函数的过完备原子库；然后，用粒子群优化算法（PSO）算法依次有哪些信誉好的足球投注网站原子库中与信号最匹配的原子对其进行稀疏表示并进行了仿真。结果表明：本文所选择的原子库分解信号后的残余信号更小，相似度达0.9122，能更好地表示信号。 关键词：指数衰减正弦原子库；PSO算法；轴承振动信号；稀疏分解 中图分类号：TN911.7 文献标识码：A Research of the rolling bearings vibration signals’ sparse representation GUO Jun-feng1,2，ZHENG Xiao-hui2，WEI Xin-chun1,2 (1.Key Laboratory of Digital Manufacturing Technology and Application, The Ministry of Education, Lanzhou University of Technology; 2. School of Mechanical and Electronical Engineering, Lanzhou University of Technology, Lanzhou, 730050, China) Abstract: Vibration signal contains a wealth of information on the working equipment. Its sparse representation can effectively extract the most essential features of the signal. In this paper, we take the rolling bearings vibration signals as object to make sparse representation research. First, build an atom library based on exponential decay cosine function based on the spectral structure’s characteristics of the signal to adaptively expand it; then exploit the PSO to search the best atoms from the atom library that best match with the signal. Simulation results show that: The selected atom library possesses a smaller residual signal and the simplicity is 0.9122, which can be better used in signals’ decomposition. Keywords: exponential decay cosine atom libraries; PSO algorithm; bearing vibration signal; sparse decomposition 滚动轴承是成套机械装备中关键的零部件之一，其运行状态直接影响着成套装备的整体性能，对其进行振动监测和故障诊断具有十分重要的意义[1]。由于振动监测数据量大，其实时传输与同步存储已成为亟待解决的成本与技术瓶颈问题。近年来，研究热点—压缩感知为解决该问题提供了一种全新的方法，应用该方法的前提是对振动信号进行稀疏分解。传统的信号分解变换是将信号分解在一组完备的正交基上，如傅立叶变换和小波变换[2]，但存在稀疏分解能力差等问题。为实现更加灵活、简洁的表示，Mallat、Zhang和Coifman、Wickerhauser[3]提出了信号在过完备库上自适应分解的思想。 基于自适应分解的核心问题是根据信号本身的特性建立自适应原子库，本文对滚动轴承振动信号进行稀疏表示研究，根据其特点，构造了基于指数衰减余弦函数（基元函数）的原子库，用PSO依次有哪些信誉好的足球投注网站过完备原子库中与信号最匹配的原子对其进行稀疏表示。 1. 轴承振动信号的稀疏分解 1.1振动信号冗余原子库的