發(fā)布時間：2018-01-13 17:37

  本文關(guān)鍵詞：基于稀疏分解的振動信號數(shù)據(jù)壓縮算法　出處：《儀器儀表學(xué)報》2016年11期 　論文類型：期刊論文

  更多相關(guān)文章： 振動信號 K-奇異值分解 稀疏分解 數(shù)據(jù)壓縮

【摘要】：針對齒輪傳動裝置在狀態(tài)監(jiān)測與故障診斷過程中面臨的大量振動信號傳輸困難問題,提出利用K-SVD算法進(jìn)行信號的稀疏分解,進(jìn)而完成對大量振動數(shù)據(jù)的壓縮。傳統(tǒng)K-SVD算法在字典更新過程中對時間的消耗量較大,特別是在大量振動數(shù)據(jù)壓縮過程中,對數(shù)據(jù)壓縮效率較低,為此提出一種K-SVD字典更新的改進(jìn)算法。改進(jìn)算法從單次迭代過程中參與更新的字典原子列數(shù)出發(fā),每次奇異值分解后對多列字典原子同時進(jìn)行賦值,從而減少單次迭代計算量。根據(jù)不同原子列數(shù)在稀疏分解過程中的迭代收斂次數(shù)、時間消耗與重構(gòu)峰值信噪比,以此確定最佳的字典更新列數(shù)。實(shí)驗(yàn)結(jié)果表明:傳統(tǒng)K-SVD算法對振動信號的數(shù)據(jù)壓縮效率較低,改進(jìn)算法能夠在保證信號壓縮比與重構(gòu)效果的前提下,有效縮短訓(xùn)練字典的時間消耗。
[Abstract]:According to the gear face in the condition monitoring and fault diagnosis of large vibration signal transmission problems, proposed sparse signal using K-SVD algorithm and then complete the decomposition, compression of large vibration data. The consumption of time in the dictionary update process between the traditional K-SVD algorithm is large, especially in a large number of vibration data compression process the data compression, the efficiency is low, so this paper proposes an improved K-SVD algorithm. The improved algorithm to update the dictionary from a single iteration in the update of the dictionary of atomic number of columns, each singular value decomposition of multiple dictionary atoms at the same time of assignment, so as to reduce the amount of calculation of single iteration. According to the different number of columns in the atomic sparse in the process of decomposition of the iteration number, time consumption and reconstruction of peak signal-to-noise ratio, in order to determine the best dictionary update column number. The experimental results show that the traditional K-SVD The data compression efficiency of algorithm for vibration signal is low, and the improved algorithm can effectively shorten the time consumption of training dictionary under the premise of ensuring signal compression ratio and reconstruction effect.

【作者單位】： 軍械工程學(xué)院;
【基金】：國家自然基金(E51305454)項(xiàng)目資助
【分類號】：TH132.41
【正文快照】： 1引言大型機(jī)電設(shè)備中,齒輪傳動為主要傳動方式,其工作狀態(tài)的好壞,直接影響到整個機(jī)電設(shè)備的運(yùn)行情況。目前,針對齒輪傳動的狀態(tài)監(jiān)測與故障診斷主要以振動信號為依據(jù),采用分布式的狀態(tài)監(jiān)測系統(tǒng)[1-2]。但是在對齒輪傳動裝置實(shí)時監(jiān)測過程中,振動信號數(shù)據(jù)量巨大,數(shù)據(jù)結(jié)構(gòu)復(fù)雜,給數(shù)

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 張文義;于德介;陳向民;;基于信號共振稀疏分解與能量算子解調(diào)的軸承故障診斷方法[J];中國電機(jī)工程學(xué)報;2013年20期

2 ;[J];;年期

相關(guān)碩士學(xué)位論文 前3條

1 鄭曉慧;機(jī)械振動信號的稀疏分解理論研究[D];蘭州理工大學(xué);2014年

2 李星;基于信號共振稀疏分解的齒輪箱故障診斷方法研究[D];湖南大學(xué);2014年

3 孫云嵩;基于信號共振稀疏分解的齒輪故障診斷方法研究[D];湖南大學(xué);2013年

，

本文編號：1419869