隨著科技水平的高速迅猛發(fā)展,大型、高速的旋轉(zhuǎn)機(jī)器設(shè)備在各個(gè)領(lǐng)域尤其是無(wú)線傳感領(lǐng)域的應(yīng)用越來(lái)越廣泛,由此產(chǎn)生的海量設(shè)備監(jiān)測(cè)信息給傳統(tǒng)信號(hào)處理方法帶來(lái)了巨大的壓力。為此,本文在旋轉(zhuǎn)機(jī)器設(shè)備信號(hào)處理中引入壓縮感知,從單源、多源監(jiān)測(cè)信息壓縮與重構(gòu)方面展開(kāi)研究。首先,通過(guò)詳細(xì)介紹壓縮感知以及分布式壓縮感知理論,針對(duì)旋轉(zhuǎn)機(jī)器設(shè)備信息依據(jù)傳統(tǒng)技術(shù)進(jìn)行處理存在的不足,對(duì)單源監(jiān)測(cè)信息壓縮與重構(gòu)展開(kāi)研究。針對(duì)單源信號(hào)在時(shí)域不稀疏,如何選擇合適稀疏基的問(wèn)題,對(duì)單源信號(hào)在傅立葉基、小波基、離散余弦基上分別進(jìn)行稀疏表示。針對(duì)不同測(cè)量矩陣和不同重構(gòu)算法對(duì)重構(gòu)誤差影響的不同,提出了對(duì)單源監(jiān)測(cè)信號(hào)在多種測(cè)量矩陣和多種重構(gòu)算法下的重構(gòu)性能進(jìn)行比較以選擇合適的測(cè)量矩陣和重構(gòu)算法,為進(jìn)一步研究多源監(jiān)測(cè)信息壓縮與重構(gòu)奠定基礎(chǔ)。其次,針對(duì)目前多傳感器信號(hào)采集的需求日益增加,提出對(duì)旋轉(zhuǎn)機(jī)器設(shè)備多源監(jiān)測(cè)信息壓縮與重構(gòu)展開(kāi)研究。通過(guò)對(duì)多源監(jiān)測(cè)信息稀疏性分析,針對(duì)JSM-2聯(lián)合稀疏模型,研究并比較了幾種適用于MMV模型的分布式聯(lián)合重構(gòu)算法。針對(duì)SOMP聯(lián)合重構(gòu)算法對(duì)多源信號(hào)進(jìn)行重構(gòu)時(shí)每次選擇一個(gè)原子導(dǎo)致迭代次數(shù)過(guò)大、計(jì)算量增加的問(wèn)題,提出了一種適合多源監(jiān)測(cè)信息的改進(jìn)聯(lián)合重構(gòu)算法。仿真結(jié)果表明,與非聯(lián)合重構(gòu)算法及其它聯(lián)合重構(gòu)算法相比,該算法不僅在重構(gòu)精度方面明顯提高,而且在運(yùn)行效率方面也有明顯改善。最后,針對(duì)傳統(tǒng)壓縮感知重構(gòu)算法在重構(gòu)信號(hào)時(shí)只考慮重構(gòu)誤差和稀疏性,將其運(yùn)用到設(shè)備狀態(tài)分類(lèi)存在明顯局限性的問(wèn)題,提出了一種基于非最小重構(gòu)誤差準(zhǔn)則的重構(gòu)算法,該算法通過(guò)在目標(biāo)函數(shù)中加入分類(lèi)判別項(xiàng)使信號(hào)在重構(gòu)時(shí)不僅考慮重構(gòu)誤差和稀疏性,而且也考慮不同狀態(tài)信號(hào)間的差異性。仿真結(jié)果表明,與傳統(tǒng)重構(gòu)算法相比,利用該算法重構(gòu)出的信號(hào)進(jìn)行設(shè)備狀態(tài)分類(lèi)不僅解決了低采樣率下設(shè)備狀態(tài)分類(lèi)準(zhǔn)確率與運(yùn)算復(fù)雜度的統(tǒng)一,而且也為設(shè)備狀態(tài)的在線診斷提供了可能。
【學(xué)位單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP212.9;TN929.5
【部分圖文】：

在解碼端得到的效果是一致的。由于相比于聯(lián)合編碼，獨(dú)立編碼更簡(jiǎn)單，因此在實(shí)際中應(yīng)用比較廣泛。圖2-3 是兩個(gè)相關(guān)信源節(jié)點(diǎn)的編碼示意圖，可以看到，在編碼時(shí)無(wú)需在 X 和Y 兩個(gè)節(jié)點(diǎn)間通信，節(jié)點(diǎn)X和節(jié)點(diǎn)Y分別獨(dú)立進(jìn)行編碼，編碼后的信號(hào)傳輸?shù)浇獯a端再利用X節(jié)點(diǎn)和Y節(jié)點(diǎn)信號(hào)間的相關(guān)性進(jìn)行聯(lián)合解碼這樣不僅可以在進(jìn)行信號(hào)傳輸時(shí)，降低信源節(jié)點(diǎn)的復(fù)雜度，而且也沒(méi)把資源浪費(fèi)在冗余信息上，可以對(duì)信號(hào)盡量進(jìn)行高效處理。聯(lián)合解碼器XY編碼器1編碼器2X’Y’圖 2-3 分布式信源編碼示意圖Figure 2-3 Distributed source coding schematic

2 4 2( 1)1 2( 1) ( 1)( 1)11N N NNN N N NN N N NN N NW W WW W W W 這里的變換矩陣NW 的列向量不是單位向量，所以變換矩陣W變換矩陣NW 除以一個(gè)系數(shù)使其變?yōu)檎痪仃嚳傻秒x散傅立葉3）。1 2 12 4 2( 1)1 2( 1) ( 1)( 1)1 1 1 11111NN N NNN N NN N N NN N NW W WW W WNW W W 1 所示為正常軸承振動(dòng)信號(hào)一路測(cè)試曲線，截取長(zhǎng)度為 256 的散傅立葉變換基上稀疏表示如圖 3-2 所示，由于傅立葉變換是示 128 個(gè)樣本點(diǎn)。

(3-3)圖 3-1 所示為正常軸承振動(dòng)信號(hào)一路測(cè)試曲線，截取長(zhǎng)度為 256 的軸承振動(dòng)信號(hào)在離散傅立葉變換基上稀疏表示如圖 3-2 所示，由于傅立葉變換是對(duì)稱(chēng)的，所以只顯示 128 個(gè)樣本點(diǎn)。幅值/g圖 3-1 原始軸承振動(dòng)信號(hào)Figure 3-1 Original bearing vibration signal

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 郭俊鋒;施建旭;雷春麗;魏興春;;一種滾動(dòng)軸承振動(dòng)信號(hào)的數(shù)據(jù)壓縮采集方法[J];振動(dòng)與沖擊;2015年23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(bào);2014年13期

3 王學(xué)偉;崔廣偉;王琳;賈曉璐;聶偉;;基于平衡Gold序列的壓縮感知測(cè)量矩陣的構(gòu)造[J];儀器儀表學(xué)報(bào);2014年01期

4 李s

本文編號(hào)：2814836