針對(duì)滾動(dòng)軸承故障信號(hào)分塊壓縮感知過(guò)程中,因分塊之間的稀疏度差異較大以及重構(gòu)支撐集構(gòu)造不合理,致使信號(hào)重構(gòu)精度較低,影響信號(hào)整體重構(gòu)效果的問(wèn)題,提出基于自適應(yīng)分塊前向后向分段正交匹配追蹤算法(Adaptive block forward and backward stagewise orthogonal matching pursuit,Adaptive Block-FBStOMP)。首先,依據(jù)短時(shí)自相關(guān)算法確定滾動(dòng)軸承故障信號(hào)自適應(yīng)分塊長(zhǎng)度,并根據(jù)此長(zhǎng)度對(duì)信號(hào)進(jìn)行自適應(yīng)分塊;其次,利用K奇異值分解(K-singular value decomposition, K-SVD算法訓(xùn)練稀疏字典;最后,提出FBSt OMP算法,在重構(gòu)過(guò)程中增加原子回溯和二次篩選過(guò)程,提高有效支撐集原子被全部選入支撐集中的可能性,改善重構(gòu)效果。通過(guò)仿真信號(hào)和故障信號(hào)試驗(yàn)分析可知,與傳統(tǒng)壓縮感知重構(gòu)算法相比,該算法能夠有效提升滾動(dòng)軸承故障信號(hào)的重構(gòu)精度。

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
0前言
1 理論基礎(chǔ)
    1.1 分塊壓縮感知理論
    1.2 K-SVD算法
    1.3 St OMP算法
2 Adaptive Block-FBStOMP算法
    2.1 自適應(yīng)分塊方法
    2.2 FBStOMP算法重構(gòu)支撐集分析
    2.3 FBStOMP算法
    2.4 本文算法流程
3 仿真分析
    3.1 信號(hào)分塊方法仿真分析
    3.2 St OMP算法重構(gòu)支撐集仿真分析
    3.3 FBStOMP算法重構(gòu)性能仿真分析
4 試驗(yàn)驗(yàn)證
    4.1 滾動(dòng)軸承故障信號(hào)的自適應(yīng)分塊
    4.2 基于FBSt OMP算法的滾動(dòng)軸承故障信號(hào)重構(gòu)
    4.3 基于自適應(yīng)分塊的FBStOMP算法的滾動(dòng)軸承故障信號(hào)重構(gòu)
    4.4 自適應(yīng)分塊的FBStOMP算法在復(fù)合故障下的應(yīng)用
    4.5 重構(gòu)信號(hào)的故障診斷
5 結(jié)論



本文編號(hào)：3846803