發(fā)布時間：2017-12-27 07:10

  本文關(guān)鍵詞：基于實測沖擊響應字典稀疏表示的齒輪系統(tǒng)側(cè)隙故障特征提取　出處：《振動與沖擊》2017年11期 　論文類型：期刊論文

  更多相關(guān)文章： 故障特征提取 稀疏表示 實測沖擊響應 齒側(cè)間隙

【摘要】：為了從齒輪系統(tǒng)振動信號中提取由于齒側(cè)間隙故障產(chǎn)生的瞬態(tài)沖擊成分,提出了基于稀疏表示的故障特征提取方法,將特征提取轉(zhuǎn)化為稀疏字典的構(gòu)造和稀疏表示系數(shù)的求解。根據(jù)側(cè)隙故障瞬態(tài)沖擊的響應特性,提出采用與其更相似的系統(tǒng)實測沖擊響應構(gòu)造稀疏字典,繼而利用正交匹配追蹤算法優(yōu)化求解稀疏表示向量,獲得表征瞬態(tài)沖擊發(fā)生時刻的稀疏系數(shù),并重構(gòu)故障沖擊序列。通過沖擊成分的包絡(luò)解調(diào)分析,進一步獲得瞬態(tài)沖擊的調(diào)制頻率。仿真和實驗表明,提出的方法能夠有效提取齒輪系統(tǒng)齒側(cè)間隙故障特征。
[Abstract]:In order to extract transient impact components from the vibration signals of gear system, a fault feature extraction method based on sparse representation is proposed, which transforms feature extraction into sparse dictionary construction and sparse representation coefficient solution. According to the characteristics of fault transient impact response backlash, and the measured impulse response system more similar to a sparse dictionary, and then use the orthogonal matching pursuit algorithm to solve the sparse representation of the sparse coefficient vector, obtain a characterization of transient impact the occurrence time, and reconstruct the fault impact sequence. Through the analysis of the envelope demodulation of the impact components, the modulation frequency of the transient shock is further obtained. The simulation and experiment show that the proposed method can effectively extract the fault characteristics of gear clearance in gear system.
【作者單位】： 東北大學機械工程與自動化學院;遼寧省交通高等專科學校機電工程系;
【基金】：國家自然科學基金(51275080)
【分類號】：TH132.41
【正文快照】： 齒輪機構(gòu)是各類機械設(shè)備的主要傳動系統(tǒng),對其運轉(zhuǎn)狀態(tài)的監(jiān)測和故障診斷具有重要意義,而能否準確地提取出故障特征是診斷的關(guān)鍵。在齒輪系統(tǒng)故障特征中,沖擊故障占據(jù)了較高的比例,如動靜件間的周期性碰撞、缺陷軸承或齒輪運行時的瞬時沖擊等[1],由輪齒磨損等引發(fā)的嚙合間隙故障

【相似文獻】

相關(guān)期刊論文 前10條

1 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學習[J];華南理工大學學報(自然科學版);2014年01期

2 鄭軼;蔡體健;;稀疏表示的人臉識別及其優(yōu)化算法[J];華東交通大學學報;2012年01期

3 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學習算法[J];清華大學學報(自然科學版);2012年04期

4 張佳宇;彭力;;基于聯(lián)合動態(tài)稀疏表示方法的多圖像人臉識別算法[J];江南大學學報(自然科學版);2014年03期

5 查長軍;孫南;張成;韋穗;;基于稀疏表示的特定目標識別[J];吉林大學學報(工學版);2013年01期

6 朱啟兵;楊寶;黃敏;;基于核映射稀疏表示分類的軸承故障診斷[J];振動與沖擊;2013年11期

7 王國權(quán);張揚;李彥鋒;王麗芬;馬曉梅;;一種基于稀疏表示的圖像去噪算法[J];工業(yè)儀表與自動化裝置;2013年05期

8 耿耀君;張軍英;;一種基于投影稀疏表示的基因選擇方法[J];哈爾濱工程大學學報;2011年08期

9 翟懿奎;甘俊英;徐穎;曾軍英;;快速稀疏表示指背關(guān)節(jié)紋識別及其并行實現(xiàn)[J];吉林大學學報(工學版);2012年S1期

10 詹永照;張珊珊;成科揚;;基于非線性可鑒別的稀疏表示視頻語義分析方法[J];江蘇大學學報(自然科學版);2013年06期

相關(guān)會議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識別研究[A];虛擬運營與云計算——第十八屆全國青年通信學術(shù)年會論文集（上冊）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標識別[A];2013年中國智能自動化學術(shù)會議論文集（第五分冊）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號處理及其研究進展[A];中國聲學學會水聲學分會2013年全國水聲學學術(shù)會議論文集[C];2013年

相關(guān)博士學位論文 前10條

1 李進明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學;2015年

2 王亞寧;基于信號稀疏表示的電機故障診斷研究[D];河北工業(yè)大學;2014年

3 姚明海;視頻異常事件檢測與認證方法研究[D];東北師范大學;2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點與藥物適應癥預測方法研究[D];上海大學;2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復原與壓縮研究[D];北京工業(yè)大學;2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學;2015年

7 解虎;高維小樣本陣列自適應信號處理方法研究[D];西安電子科技大學;2015年

8 秦振濤;基于稀疏表示及字典學習遙感圖像處理關(guān)鍵技術(shù)研究[D];成都理工大學;2015年

9 薛明;基于稀疏表示的在線目標跟蹤研究[D];上海交通大學;2014年

10 孫樂;空譜聯(lián)合先驗的高光譜圖像解混與分類方法[D];南京理工大學;2014年

相關(guān)碩士學位論文 前10條

1 王道文;基于稀疏表示的目標跟蹤算法研究[D];華南理工大學;2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號分類[D];河北大學;2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學;2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學;2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學;2015年

6 黃志明;基于辨別式稀疏字典學習的視覺追蹤算法研究[D];華南理工大學;2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學;2015年

8 賀妍斐;基于稀疏表示與自適應倒易晶胞的遙感圖像復原方法研究[D];南京信息工程大學;2015年

9 楊爍;電能質(zhì)量擾動信號的稀疏表示/壓縮采樣研究[D];西南交通大學;2015年

10 應艷麗;基于低秩稀疏表示的目標跟蹤算法研究[D];西南交通大學;2015年

，

本文編號：1340724