本文關(guān)鍵詞： 非完備先驗(yàn)知識(shí) 滑動(dòng)軸承 狀態(tài)識(shí)別 灰色B型絕對(duì)關(guān)聯(lián)度(AGRDB) 稀疏編碼　出處：《航空動(dòng)力學(xué)報(bào)》2017年07期 　論文類型：期刊論文

【摘要】：針對(duì)監(jiān)測系統(tǒng)通常無法全部獲取軸承摩擦退化狀態(tài)的先驗(yàn)知識(shí),無法建立全摩擦狀態(tài)的識(shí)別模型,從狀態(tài)間的相似性出發(fā),提出一種無先驗(yàn)知識(shí)下的基于灰色B型絕對(duì)關(guān)聯(lián)度(AGRDB)和稀疏編碼的滑動(dòng)軸承狀態(tài)識(shí)別方法。針對(duì)稀疏表示不具有監(jiān)督性的缺陷,在稀疏編碼的目標(biāo)函數(shù)中引入AGRDB算法,訓(xùn)練類間距離最大、類內(nèi)距離最小的正常潤滑和嚴(yán)重摩擦的編碼;在相同字典下建立具有一致判別性的稀疏表示模型,通過比較當(dāng)前狀態(tài)與正常潤滑、嚴(yán)重摩擦的稀疏編碼與重構(gòu)誤差,進(jìn)一步識(shí)別當(dāng)前軸承的狀態(tài),仿真信號(hào)和柴油機(jī)軸承實(shí)驗(yàn)的結(jié)果表明:所提方法能夠在較少先驗(yàn)知識(shí)下識(shí)別出滑動(dòng)軸承的早期摩擦狀態(tài)(100~216min)和嚴(yán)重摩擦狀態(tài)(216~384min),且算法簡單,適合較少樣本下的滑動(dòng)軸承摩擦故障在線監(jiān)測。
[Abstract]:In view of the fact that the monitoring system can not obtain all the prior knowledge of the friction degradation state of the bearing, it is impossible to establish the identification model of the full friction state, and proceed from the similarity between the states. In this paper, a method of sliding bearing state recognition based on grey B-type absolute correlation degree (AGRDB) and sparse coding without prior knowledge is proposed. Aiming at the defects of sparse representation without supervision, AGRDB algorithm is introduced into the objective function of sparse coding. Training the coding of normal lubrication and severe friction with the largest distance between classes and the smallest distance within classes, and establishing a sparse representation model with uniform discriminant under the same dictionary, and comparing the current state with normal lubrication, The sparse coding and reconstruction errors of severe friction to further identify the current bearing state, The simulation signals and diesel engine bearing experiments show that the proposed method can identify the early friction state of sliding bearings in a little prior knowledge and the severe friction state can be identified by using the proposed method. The algorithm is simple, and the experimental results show that the proposed method can identify the early friction state of the sliding bearings for 100 min and the severe state of friction for 3 84 min, and the proposed method is simple. It is suitable for online monitoring of friction faults of sliding bearings with fewer samples.
【作者單位】： 軍械工程學(xué)院七系;軍械工程學(xué)院四系;武漢軍械士官學(xué)校四系;
【基金】：國家自然科學(xué)基金(51205405,51305454)
【分類號(hào)】：TH133.31

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張峻寧;張培林;陳彥龍;張?jiān)茝?qiáng);;基于摩擦信號(hào)的滑動(dòng)軸承接觸摩擦故障的狀態(tài)監(jiān)測[J];振動(dòng)與沖擊;2016年03期

2 俞嘯;丁恩杰;陳春旭;李力;;基于HHT和有監(jiān)督稀疏編碼的滾動(dòng)軸承故障狀態(tài)識(shí)別方法[J];煤炭學(xué)報(bào);2015年11期

3 向丹;岑健;;基于EMD熵特征融合的滾動(dòng)軸承故障診斷方法[J];航空動(dòng)力學(xué)報(bào);2015年05期

4 郭業(yè)才;張鈴華;;統(tǒng)一化的LGBP特征及稀疏表示的人臉識(shí)別算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年03期

5 胡瑾秋;張來斌;胡春艷;李文強(qiáng);;基于數(shù)據(jù)自組織挖掘的機(jī)械設(shè)備狀態(tài)退化預(yù)警方法[J];中國石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03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(dòng)與沖擊;2013年11期

7 孫丹;張楚;郭瑞;楊建剛;;基于兩相流理論滑動(dòng)軸承動(dòng)力特性求解[J];航空動(dòng)力學(xué)報(bào);2012年12期

8 王海濤;謝壽生;武衛(wèi);苗卓廣;吳勇;;基于稀疏最小二乘支持向量機(jī)的航空發(fā)動(dòng)機(jī)動(dòng)態(tài)過程辨識(shí)[J];航空動(dòng)力學(xué)報(bào);2010年09期

9 荊雙喜;吳新濤;華偉;;基于小波包頻帶能量特征提取的低速重載滑動(dòng)軸承故障診斷研究[J];煤礦機(jī)械;2007年09期

10 傅和平;秦萍;;滑動(dòng)軸承故障診斷方法的實(shí)用性分析研究[J];輕工機(jī)械;2006年04期

相關(guān)碩士學(xué)位論文 前1條

1 邵曉剛;基于矩陣灰色B型絕對(duì)關(guān)聯(lián)度的人臉檢測算法研究[D];東北師范大學(xué);2012年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張峻寧;張培林;李兵;吳定海;楊玉棟;;非完備先驗(yàn)知識(shí)下的滑動(dòng)軸承摩擦狀態(tài)識(shí)別[J];航空動(dòng)力學(xué)報(bào);2017年07期

2 季云;王恒;朱龍彪;黃希;;基于HMM的機(jī)械設(shè)備運(yùn)行狀態(tài)評(píng)估與故障預(yù)測研究綜述[J];機(jī)械強(qiáng)度;2017年03期

3 張峻寧;張培林;張?jiān)茝?qiáng);楊望燦;華春蓉;;融合字典學(xué)習(xí)的滑動(dòng)軸承摩擦故障趨勢自記憶預(yù)測[J];振動(dòng)工程學(xué)報(bào);2017年03期

4 秦波;王祖達(dá);孫國棟;王建國;;VMD能量熵與核極限學(xué)習(xí)機(jī)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國測試;2017年05期

5 孫潔娣;彭志濤;溫江濤;王飛;;基于總體局域均值分解及稀疏表示分類的天然氣管道泄漏孔徑識(shí)別[J];中國機(jī)械工程;2017年10期

6 任佳;馬宏軍;;航空發(fā)動(dòng)機(jī)MIMO系統(tǒng)的閉環(huán)辨識(shí)與故障診斷算法[J];測控技術(shù);2017年04期

7 蒲子璽;殷紅;張楠;閆武起;彭珍瑞;;基于峭度準(zhǔn)則VMD及平穩(wěn)小波的軸承故障診斷[J];機(jī)械設(shè)計(jì)與研究;2017年01期

8 田晶;艾延廷;趙明;王志;關(guān)焦月;;基于聲發(fā)射信號(hào)信息距的滾動(dòng)軸承故障診斷[J];航空動(dòng)力學(xué)報(bào);2017年01期

9 王永亮;王鵬瀟;劉子豪;鐘兢軍;;基于非線性油膜力的滑動(dòng)軸承動(dòng)力特性系數(shù)識(shí)別方法[J];推進(jìn)技術(shù);2017年03期

10 王江萍;段騰飛;;基于特征融合和稀疏表示的齒輪故障診斷[J];機(jī)械傳動(dòng);2017年01期

相關(guān)碩士學(xué)位論文 前1條

1 汪添ma;電能質(zhì)量擾動(dòng)分析方法研究[D];哈爾濱理工大學(xué);2015年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 向丹;葛爽;;基于EMD樣本熵-LLTSA的故障特征提取方法[J];航空動(dòng)力學(xué)報(bào);2014年07期

2 向丹;葛爽;;一種基于小波包樣本熵和流形學(xué)習(xí)的故障特征提取模型[J];振動(dòng)與沖擊;2014年11期

3 孫志軍;薛磊;許陽明;;基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J];電子與信息學(xué)報(bào);2013年04期

4 張淑清;孫國秀;李亮;李新新;監(jiān)雄;;基于LMD近似熵和FCM聚類的機(jī)械故障診斷研究[J];儀器儀表學(xué)報(bào);2013年03期

5 高甜容;于東;岳東峰;鄭樎默;;基于故障先兆判定模型和動(dòng)態(tài)置信度匹配的主軸潤滑故障預(yù)測方法[J];機(jī)械工程學(xué)報(bào);2012年17期

6 袁湘輝;吳文全;盧建斌;席澤敏;;基于MHMM-SVM混合模型的雷達(dá)發(fā)射機(jī)性能退化狀態(tài)監(jiān)測[J];海軍工程大學(xué)學(xué)報(bào);2012年03期

7 唐宏賓;吳運(yùn)新;滑廣軍;馬昌訓(xùn);;基于EMD包絡(luò)譜分析的液壓泵故障診斷方法[J];振動(dòng)與沖擊;2012年09期

8 張超;陳建軍;郭迅;;基于EEMD能量熵和支持向量機(jī)的齒輪故障診斷方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

9 張德祥;汪萍;吳小培;高清維;;基于EMD和非線性峭度的齒輪故障診斷[J];振動(dòng).測試與診斷;2012年01期

10 李豫川;伍星;遲毅林;劉暢;;基于形態(tài)濾波和稀疏分量分析的滾動(dòng)軸承故障盲分離[J];振動(dòng)與沖擊;2011年12期

相關(guān)碩士學(xué)位論文 前2條

1 徐敏;基于視頻的實(shí)時(shí)人臉識(shí)別的研究與實(shí)踐[D];中南大學(xué);2010年

2 阮揆;人臉識(shí)別技術(shù)的研究與應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2006年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程?hào)|陽;蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年11期

2 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2013年03期

3 唐峰;孫錟鋒;蔣興浩;陸歡;;基于改進(jìn)稀疏編碼模型的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年09期

4 鄭歆慰;胡巖峰;孫顯;王宏琦;;基于空間約束多特征聯(lián)合稀疏編碼的遙感圖像標(biāo)注方法研究[J];電子與信息學(xué)報(bào);2014年08期

5 苗中華;周廣興;劉海寧;劉成良;;基于稀疏編碼的振動(dòng)信號(hào)特征提取算法與實(shí)驗(yàn)研究[J];振動(dòng)與沖擊;2014年15期

6 郝凱;宋明黎;卜佳俊;陳純;;局部稀疏編碼的自然灰度圖像著色方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年08期

7 王斌;王媛媛;肖文華;王煒;張茂軍;;基于判別稀疏編碼視頻表示的人體動(dòng)作識(shí)別[J];機(jī)器人;2012年06期

8 歐陽琰;桑農(nóng);黃銳;;基于魯棒稀疏編碼的表情識(shí)別方法[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2013年03期

9 史駿;姜志國;馮昊;張浩鵬;孟鋼;;基于彈性網(wǎng)稀疏編碼的空間目標(biāo)識(shí)別[J];航空學(xué)報(bào);2013年05期

10 ;[J];;年期

相關(guān)會(huì)議論文 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實(shí)現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國生物物理學(xué)術(shù)大會(huì)暨第九屆全國會(huì)員代表大會(huì)摘要集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 唐海峰;基于信號(hào)稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識(shí)別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

3 徐平華;基于稀疏編碼的多視域織物外觀平整度表征與評(píng)級(jí)[D];東華大學(xué);2016年

4 呂京磊;基于功能磁共振成像的大腦架構(gòu)表達(dá)的研究[D];西北工業(yè)大學(xué);2016年

5 王婧;面向在線環(huán)境的數(shù)據(jù)編碼問題研究[D];合肥工業(yè)大學(xué);2015年

6 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

7 季昊;稀疏編碼研究及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2012年

8 孫俊;人臉圖像分析和識(shí)別方法研究[D];清華大學(xué);2001年

9 朱秋平;基于稀疏編碼的織物瑕疵檢測算法研究[D];武漢大學(xué);2014年

10 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識(shí)理論與方法[D];清華大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 柏文強(qiáng);基于局部特征提取和稀疏編碼的人臉識(shí)別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測與識(shí)別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗(yàn)證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 黃成;基于非負(fù)稀疏編碼的視頻拷貝檢測方法研究[D];湘潭大學(xué);2015年

9 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強(qiáng)算法的研究[D];南京郵電大學(xué);2015年

10 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

，

本文編號(hào)：1497410