滚动轴承振动信号稀疏表示研究分析报告(修改后).docVIP

个人收集整理 仅供参考学习 个人收集整理 仅供参考学习 PAGE / NUMPAGES 个人收集整理 仅供参考学习 ADDIN CNKISM.UserStyle滚动轴承振动信号地稀疏表示研究 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地装备工作信息，信号稀疏表示能够有效地提取信号最本质地特征.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，根据轴承振动信号地频谱结构特点，基于信号自适应展开，构造了基于指数衰减余弦函数地过完备原子库；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地原子对其进行稀疏表示并进行了仿真.结果表明：本文所选择地原子库分解信号后地残余信号更小，相似度达0.9122，能更好地表示信号.b5E2RGbCAP 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 representationp1EanqFDPw GUOJun-feng1,2，ZHENG Xiao-hui2，WEI Xin-chun1,2 (1.Key Laboratory of Digital Manufacturing Technology and Application,The Ministry of Education, LanzhouUniversity of Technology; 2. School of Mechanical and Electronical Engineering, LanzhouUniversity 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, buildan atom librarybased on exponential decay cosine function based on the spectral structure’s characteristics of the signal to adaptivelyexpand it; thenexploit 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.5PCzVD7HxA Keywords: exponential decay cosine atom libraries; PSOalgorithm; bearing vibration signal; sparse decompositionjLBHrnAILg 滚动轴承是成套机械装备中关键地零部件之一，其运行状态直接影响着成套装备地整体性能，对其进行振动监测和故障诊断具有十分重要地意义[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地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地方法，应用该方法地前提是对振动信号进行稀疏分解.传统地信号分解变换是将信号分解在一组完备地正交基上，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、简洁地表示，Mallat、Zhang和Coifman、Wickerhauser[3]提出了信号在过完备库上自适应分解地思想.xHAQX74J0X 基于自适应分解地核心问题是根据信号本身地特性建立