發(fā)布時間：2018-02-16 08:49

  本文關(guān)鍵詞： 稀疏表示 K-SVD Batch-OMP 峭度值 沖擊成分 軸承故障診斷　出處：《北京理工大學(xué)學(xué)報》2016年04期 　論文類型：期刊論文

【摘要】：低速重載機(jī)械設(shè)備中的滾動軸承由于承受巨大載荷,極易出現(xiàn)內(nèi)外環(huán)故障.在故障早期階段,反映故障特征的沖擊成分很微弱,極易被噪聲覆蓋而難以識別.為準(zhǔn)確診斷軸承早期故障,提出基于稀疏表示的故障特征提取方法.該方法利用K-SVD字典訓(xùn)練算法構(gòu)造出能準(zhǔn)確匹配沖擊成分的字典,克服了參數(shù)化字典缺乏自適應(yīng)性的問題;稀疏編碼過程中,采用批處理正交匹配追蹤算法(batch orthogonal matching pursuit,Batch-OMP)對振動信號進(jìn)行分解,以逼近信號的峭度值最大原則作為分解結(jié)束條件,自適應(yīng)確定出分解次數(shù);最后,通過對重構(gòu)的特征成分進(jìn)行包絡(luò)譜分析得出故障類型.對仿真信號和軸承振動信號進(jìn)行故障特征提取,結(jié)果表明所提方法能準(zhǔn)確提取出沖擊成分,驗(yàn)證了其有效性和實(shí)用性.
[Abstract]:The rolling bearing in low speed and heavy load mechanical equipment is prone to internal and external ring failure due to the huge load. In the early stage of the fault, the impact component reflecting the fault characteristics is very weak. It is easy to be covered by noise and difficult to identify. In order to accurately diagnose the early fault of bearing, a method of fault feature extraction based on sparse representation is proposed. This method uses K-SVD dictionary training algorithm to construct a dictionary that can accurately match the impact component. It overcomes the lack of adaptability of parameterized dictionaries, and in the sparse coding process, the batch orthogonal matching pursuitt Batch-OMP) is used to decompose the vibration signal, and the maximum kurtosis value of the approximate signal is taken as the end condition of the decomposition. Finally, the fault types are obtained by the envelope spectrum analysis of the reconstructed feature components, and the fault features are extracted from the simulation signals and the bearing vibration signals. The results show that the proposed method can extract the impact components accurately and verify its validity and practicability.
【作者單位】： 武漢科技大學(xué)信息科學(xué)與工程學(xué)院;中原工學(xué)院信息商務(wù)學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61174106)
【分類號】：TH133.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 陳仁祥;湯寶平;楊黎霞;周廣武;;自適應(yīng)參數(shù)優(yōu)化EEMD機(jī)械故障特征提取方法[J];振動.測試與診斷;2014年06期

2 嚴(yán)�？�;周鳳星;;基于相干累積量分段正交匹配追蹤方法的軸承早期故障稀疏特征提取[J];機(jī)械工程學(xué)報;2014年13期

3 丁康;黃志東;林慧斌;;一種譜峭度和Morlet小波的滾動軸承微弱故障診斷方法[J];振動工程學(xué)報;2014年01期

4 陳向民;于德介;李蓉;;齒輪箱復(fù)合故障振動信號的形態(tài)分量分析[J];機(jī)械工程學(xué)報;2014年03期

5 王宏超;陳進(jìn);董廣明;;基于最小熵解卷積與稀疏分解的滾動軸承微弱故障特征提取[J];機(jī)械工程學(xué)報;2013年01期

6 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軸承故障盲分離[J];振動與沖擊;2011年12期

7 王國棟;陽建宏;黎敏;徐金梧;;基于自適應(yīng)稀疏表示的寬帶噪聲去除算法[J];儀器儀表學(xué)報;2011年08期

相關(guān)博士學(xué)位論文 前2條

1 陳向民;基于形態(tài)分量分析和線調(diào)頻小波路徑追蹤的機(jī)械故障診斷方法研究[D];湖南大學(xué);2013年

2 李兆飛;振動故障分形特征提取及診斷方法研究[D];重慶大學(xué);2013年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王少鋒;仲濟(jì)祥;王建國;;立體管網(wǎng)微泄漏實(shí)時監(jiān)測系統(tǒng)研究概述[J];河北科技大學(xué)學(xué)報;2016年02期

2 李嶺陽;王華慶;徐新韜;楊曉;;混沌振子在滾動軸承故障特征提取中的應(yīng)用[J];動力學(xué)與控制學(xué)報;2016年02期

3 劉鳳;伍星;潘楠;周俊;;改進(jìn)時域盲解卷積算法在軸承故障診斷中的應(yīng)用[J];機(jī)械強(qiáng)度;2016年02期

4 湯巍;景博;黃以鋒;盛增津;焦曉璇;;振動載荷下面向電子設(shè)備PHM的板級封裝潛在故障分析方法[J];電子學(xué)報;2016年04期

5 嚴(yán)�？�;周鳳星;張瑞華;;基于稀疏分解的軸承雙沖擊特征提取[J];振動.測試與診斷;2016年02期

6 余發(fā)軍;周鳳星;嚴(yán)�？�;;基于稀疏表示的軸承早期故障特征提取[J];北京理工大學(xué)學(xué)報;2016年04期

7 余發(fā)軍;周鳳星;嚴(yán)保康;;基于字典學(xué)習(xí)的軸承早期故障稀疏特征提取[J];振動與沖擊;2016年06期

8 郭文強(qiáng);張寶嶸;彭程;夏令君;佘金龍;;基于小波包和BN模型的深溝球軸承故障診斷[J];軸承;2016年03期

9 任學(xué)平;張玉皓;辛向志;龐震;;基于階次跟蹤最大相關(guān)峭度反褶積的滾動軸承早期故障診斷[J];機(jī)械設(shè)計(jì)與制造;2016年02期

10 唐貴基;王曉龍;;可調(diào)品質(zhì)因子小波變換在滾動軸承微弱故障特征提取中的應(yīng)用[J];中國電機(jī)工程學(xué)報;2016年03期

相關(guān)博士學(xué)位論文 前1條

1 彭暢;旋轉(zhuǎn)機(jī)械軸承振動信號分析方法研究[D];重慶大學(xué);2014年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 明安波;褚福磊;張煒;;滾動軸承復(fù)合故障特征分離的小波-頻譜自相關(guān)方法[J];機(jī)械工程學(xué)報;2013年03期

2 栗茂林;梁霖;王孫安;;基于稀疏表示的故障敏感特征提取方法[J];機(jī)械工程學(xué)報;2013年01期

3 王宏超;陳進(jìn);董廣明;;基于最小熵解卷積與稀疏分解的滾動軸承微弱故障特征提取[J];機(jī)械工程學(xué)報;2013年01期

4 陳仁祥;湯寶平;呂中亮;;基于相關(guān)系數(shù)的EEMD轉(zhuǎn)子振動信號降噪方法[J];振動.測試與診斷;2012年04期

5 李輝;鄭海起;唐力偉;;基于改進(jìn)形態(tài)分量分析的齒輪箱軸承多故障診斷研究[J];振動與沖擊;2012年12期

6 陳曉理;王仲生;姜洪開;王峰;;基于改進(jìn)樣板去噪源分離的軸承復(fù)合故障診斷[J];中國機(jī)械工程;2011年17期

7 李輝;鄭海起;唐力偉;;基于EEMD和THT的齒輪故障診斷方法[J];振動.測試與診斷;2011年04期

8 楊杰;鄭海起;關(guān)貞珍;王彥剛;;基于形態(tài)成分分析的軸承復(fù)合故障診斷[J];軸承;2011年08期

9 陳略;唐歌實(shí);訾艷陽;馮卓楠;李康;;自適應(yīng)EEMD方法在心電信號處理中的應(yīng)用[J];數(shù)據(jù)采集與處理;2011年03期

10 陳雋;李想;;運(yùn)用總體經(jīng)驗(yàn)?zāi)B(tài)分解的疲勞信號降噪方法[J];振動.測試與診斷;2011年01期

相關(guān)博士學(xué)位論文 前4條

1 沈路;數(shù)學(xué)形態(tài)學(xué)在機(jī)械故障診斷中的應(yīng)用研究[D];浙江大學(xué);2010年

2 胡曉依;基于非高斯、非平穩(wěn)信號處理的機(jī)械故障特征提取方法研究[D];北京交通大學(xué);2009年

3 杜必強(qiáng);振動故障遠(yuǎn)程診斷中的分形壓縮及分形診斷技術(shù)研究[D];華北電力大學(xué)（河北）;2009年

4 李岳;機(jī)械動力傳動系統(tǒng)核基故障識別與狀態(tài)預(yù)測技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2007年

【相似文獻(xiàn)】

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(xué)習(xí)[J];華南理工大學(xué)學(xué)報(自然科學(xué)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(xué)學(xué)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(xué)習(xí)算法[J];清華大學(xué)學(xué)報(自然科學(xué)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(xué)學(xué)報(自然科學(xué)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(biāo)識別[J];吉林大學(xué)學(xué)報(工學(xué)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(yáng);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(xué)學(xué)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(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年S1期

10 詹永照;張珊珊;成科揚(yáng);;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(xué)學(xué)報(自然科學(xué)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(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)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(biāo)識別[A];2013年中國智能自動化學(xué)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(jìn)展[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)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(xué);2015年

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

3 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

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

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

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

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

9 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

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

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);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(xué);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(xué);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(xué);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(xué);2015年

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

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

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號：1515126