【摘要】：機(jī)械設(shè)備在運(yùn)轉(zhuǎn)狀態(tài)下產(chǎn)生的振動(dòng)信號(hào)往往蘊(yùn)含著豐富的機(jī)械裝備信息,對(duì)該狀態(tài)下的信號(hào)進(jìn)行實(shí)時(shí)采集與在線監(jiān)測(cè),并通過(guò)故障診斷獲得設(shè)備的實(shí)時(shí)狀況,對(duì)提升機(jī)械設(shè)備性能、保證產(chǎn)品質(zhì)量、降低維護(hù)成本和提高企業(yè)效益等至關(guān)重要。然而高速化、集成化、智能化和復(fù)雜化已成為當(dāng)前機(jī)械設(shè)備發(fā)展的必然趨勢(shì),機(jī)械振動(dòng)信號(hào)所含頻率也更高,此時(shí)若仍采用傳統(tǒng)的奈奎斯特采樣定律進(jìn)行采樣,會(huì)產(chǎn)生巨量的數(shù)據(jù),這些數(shù)據(jù)的處理及存儲(chǔ)成為亟待解決的問(wèn)題,壓縮感知的出現(xiàn)則使該問(wèn)題的解決方法有了質(zhì)的飛躍。傳統(tǒng)的壓縮感知是單測(cè)量向量(Single Measurement Vectors,SMV)模型,在單點(diǎn)測(cè)量條件下獲得單個(gè)測(cè)量向量,而多監(jiān)測(cè)點(diǎn)條件下的壓縮感知為多測(cè)量向量(Multiple Measurement Vectors,MMV)模型,與SMV模型相比,MMV模型能夠進(jìn)一步利用數(shù)據(jù)間的相關(guān)性,更有利于準(zhǔn)確的估計(jì)出非零行的位置,從而得到更精確的估計(jì)解。重構(gòu)算法是壓縮感知理論能否應(yīng)用于實(shí)際工程的重要環(huán)節(jié),本文將壓縮感知應(yīng)用于機(jī)械振動(dòng)信號(hào)的采集,對(duì)多測(cè)量向量模型下機(jī)械振動(dòng)信號(hào)的聯(lián)合稀疏重構(gòu)算法進(jìn)行研究。論文取得的主要研究成果如下:(1)介紹了壓縮感知的基本理論和模型。主要包括稀疏表示理論、測(cè)量矩陣設(shè)計(jì)、重構(gòu)算法研究三個(gè)方面和SMV、MMV、無(wú)限測(cè)量向量(Infinite Measurement Vectors,IMV)三種不同模型的重構(gòu)原理及常用重構(gòu)方法。并以傳統(tǒng)算法中貪婪算法的經(jīng)典算法之正交匹配追蹤算法為例,描述了多重測(cè)量向量模型的重構(gòu)原理,通過(guò)仿真實(shí)驗(yàn)剖析了其針對(duì)不同變量下的重構(gòu)性能。(2)研究了適用于多測(cè)量向量條件下機(jī)械振動(dòng)信號(hào)的稀疏貝葉斯算法。當(dāng)感知矩陣列與列之間的相關(guān)性很強(qiáng)時(shí),大多數(shù)重構(gòu)算法性能都比較差(如_1l算法、匹配追蹤算法、正交匹配追蹤算法),但稀疏貝葉斯算法的性能仍比較良好,并且稀疏貝葉斯算法在解決信號(hào)內(nèi)及信號(hào)間相關(guān)性比較強(qiáng),時(shí)間結(jié)構(gòu)相關(guān)性較強(qiáng)的信號(hào)時(shí)有很好的恢復(fù)效果。多監(jiān)測(cè)點(diǎn)條件下的機(jī)械振動(dòng)信號(hào)為MMV模型,該模型有較強(qiáng)的時(shí)間結(jié)構(gòu)相關(guān)性,基于機(jī)械振動(dòng)信號(hào)的這種固有特征,研究分析了具有多測(cè)量向量模型的稀疏貝葉斯算法和具有時(shí)序結(jié)構(gòu)的稀疏貝葉斯算法的基本原理,并在此基礎(chǔ)上進(jìn)行仿真。實(shí)驗(yàn)結(jié)果表明:這兩種稀疏貝葉斯算法針對(duì)MMV模型下機(jī)械振動(dòng)信號(hào)的恢復(fù)效果較好,重構(gòu)誤差較小,具有良好的適應(yīng)性。(3)提出了一種基于粒子群算法的機(jī)械振動(dòng)信號(hào)聯(lián)合稀疏重構(gòu)算法。不同于傳統(tǒng)算法,粒子群算法是求解組合優(yōu)化問(wèn)題的一種有效的現(xiàn)代智能方法。針對(duì)傳統(tǒng)貪婪算法恢復(fù)性能差,凸松弛算法恢復(fù)效率低,標(biāo)準(zhǔn)粒子群算法群體初始化隨機(jī)性太強(qiáng)、位置更新過(guò)程中易陷入早熟從而進(jìn)入局部搜索的問(wèn)題,提出了一種基于粒子群算法的機(jī)械振動(dòng)信號(hào)聯(lián)合稀疏重構(gòu)方法。該方法首先采用具有時(shí)序相關(guān)性的稀疏貝葉斯算法作為初始解;然后利用最小二乘法求支撐集與估計(jì)解的關(guān)系,得到目標(biāo)函數(shù)模型;最后結(jié)合貪婪算法思想并加入自適應(yīng)激活粒子機(jī)制進(jìn)行位置更新。仿真實(shí)驗(yàn)結(jié)果表明:在保證機(jī)械振動(dòng)信號(hào)完整的前提下,相比于傳統(tǒng)算法,該方法恢復(fù)更精確,重構(gòu)誤差更小。
【圖文】：

圖 3.1 SMV 模型的原理框圖理 3.1 表明了解的唯一性，顯而易見 spark 2, m 1 ，其中 spark 線性相關(guān)列的數(shù)目。由此可知，該定理要求 m 2k，即要重建信號(hào)k個(gè)測(cè)量值。有噪聲存在時(shí)，，問(wèn)題(3.1)為 y f e，其中 e為未知噪聲，則可求

圖 3.2 MMV 模型的原理框圖量向量模型中存在如下定理：3.3：設(shè) K 為原始信號(hào) X 的聯(lián)合稀疏度，則原信號(hào) X 可從測(cè)量信的充分必要條件是： 1 supspark rank XK p X
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TH113.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王強(qiáng);張培林;王懷光;吳定海;張?jiān)茝?qiáng);;基于優(yōu)化分類的機(jī)械振動(dòng)信號(hào)壓縮感知[J];振動(dòng)與沖擊;2018年14期

2 張志森;符興昌;趙全軍;;機(jī)械振動(dòng)信號(hào)描述與分析方法[J];四川文理學(xué)院學(xué)報(bào);2011年05期

3 郭俊鋒;石斌;雷春麗;魏興春;李海燕;;基于雙稀疏字典模型機(jī)械振動(dòng)信號(hào)壓縮感知方法[J];機(jī)械工程學(xué)報(bào);2018年06期

4 門日秀;趙榮珍;;機(jī)械振動(dòng)信號(hào)遠(yuǎn)程測(cè)試與處理技術(shù)的研究[J];計(jì)算機(jī)測(cè)量與控制;2009年06期

5 劉志芳,陶建,張進(jìn)明;小波變換在旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)檢測(cè)中的應(yīng)用[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年04期

6 高威;李莎;;同步壓縮變換及其在機(jī)械振動(dòng)信號(hào)處理中的應(yīng)用[J];時(shí)代農(nóng)機(jī);2017年04期

7 徐敏強(qiáng),張嘉鐘,張國(guó)斌,黃文虎;基于小波變換的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)數(shù)據(jù)壓縮方法的研究[J];振動(dòng)工程學(xué)報(bào);2000年04期

8 童佳明;陳麒宇;;小波分析法在機(jī)械振動(dòng)信號(hào)檢測(cè)中的應(yīng)用[J];才智;2013年29期

9 李舜酩;;機(jī)械振動(dòng)信號(hào)盲源分離的時(shí)域方法[J];應(yīng)用力學(xué)學(xué)報(bào);2005年04期

10 萬(wàn)軍,蔣世祥,蔡智勇;旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的小波包分解及故障檢測(cè)[J];汽輪機(jī)技術(shù);2002年02期

相關(guān)會(huì)議論文 前6條

1 梁勤剛;陳長(zhǎng)征;;基于盲分離的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

2 金未平;劉征宇;張利;;基于多傳感器數(shù)據(jù)融合的機(jī)械振動(dòng)研究[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2009)暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2009年

3 姚建;蘇應(yīng)敢;李濤;;變壓器有載調(diào)壓開關(guān)故障診斷新技術(shù)研究[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

4 姚建;蘇應(yīng)敢;李濤;;變壓器有載調(diào)壓開關(guān)故障診斷新技術(shù)研究[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

5 宋偉;;燒結(jié)風(fēng)機(jī)振動(dòng)特征頻譜及分析[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

6 江翼;張丹丹;程林;陽(yáng)瑞霖;張靜;劉健;劉亞青;;有載分接開關(guān)機(jī)械振動(dòng)信號(hào)監(jiān)測(cè)方式研究[A];2017智能電網(wǎng)信息化建設(shè)研討會(huì)論文集[C];2017年

相關(guān)博士學(xué)位論文 前3條

1 胡愛軍;Hilbert-Huang變換在旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2008年

2 周瑞;基于第二代小波的機(jī)械故障信號(hào)處理方法研究[D];哈爾濱工業(yè)大學(xué);2009年

3 王維剛;基于時(shí)頻圖像識(shí)別的旋轉(zhuǎn)機(jī)械多特征融合故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王茁;多監(jiān)測(cè)點(diǎn)條件下機(jī)械振動(dòng)信號(hào)的聯(lián)合稀疏重構(gòu)算法研究[D];蘭州理工大學(xué);2019年

2 劉世潤(rùn);基于MWC的機(jī)械振動(dòng)信號(hào)壓縮采樣研究[D];蘭州理工大學(xué);2018年

3 黨姜婷;機(jī)械振動(dòng)信號(hào)的壓縮采樣與測(cè)量矩陣研究[D];蘭州理工大學(xué);2018年

4 莫芙蓉;旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)盲源分離中欠確定問(wèn)題研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

5 彭浩;通用性旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)測(cè)試與分析系統(tǒng)的研制[D];重慶大學(xué);2006年

6 張靜;流體機(jī)械振動(dòng)信號(hào)數(shù)據(jù)管理與分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];解放軍信息工程大學(xué);2008年

7 嚴(yán)棟山;機(jī)械振動(dòng)信號(hào)的非線性重構(gòu)算法研究[D];蘭州理工大學(xué);2017年

8 朱瑜;基于網(wǎng)絡(luò)的機(jī)械振動(dòng)信號(hào)分析系統(tǒng)研究[D];華北電力大學(xué);2013年

9 張萬(wàn)里;基于LabVIEW旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)分析處理系統(tǒng)開發(fā)[D];東北大學(xué);2015年

10 徐勝勇;基于SOPC技術(shù)的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)無(wú)線采集與處理系統(tǒng)的研究[D];江西理工大學(xué);2007年

本文編號(hào)：2640223