基于分塊匹配追蹤與數(shù)據(jù)增強的滾動軸承故障診斷研究
發(fā)布時間:2020-12-13 05:24
現(xiàn)代社會對滾動軸承可靠性的要求越來越高,通過分析軸承故障信號,判定故障部位,對保障機械設備的連續(xù)穩(wěn)定運行具有重要意義?紤]到實際工程中,由于對滾動軸承信號的采集與處理往往不在同一地點進行,致使存在許多需要信號遠程采集、傳輸?shù)那闆r,例如:高鐵、航天飛機等。而傳輸海量的信號會導致存儲、傳輸設備承受巨大的壓力,開展將壓縮感知算法應用于軸承故障診斷的研究,對于降低設備壓力、實現(xiàn)遠程故障診斷具有一定的意義。為了實現(xiàn)滾動軸承遠程同步故障診斷,本文研究了一種基于分塊匹配追蹤的滾動軸承故障診斷技術,主要研究內容如下:首先,針對分塊壓縮感知算法中,依據(jù)經驗值分塊的故障信號,在重構后存在部分信號塊重構效果好、部分信號塊重構效果差的問題,提出了一種自適應分塊的分塊方法。該方法通過短時自相關函數(shù)尋找信號的復合周期,將信號復合周期的長度作為故障信號的分塊長度,避免不同信號塊承載的信息差距過大。通過理論分析與實驗驗證相結合的方式,證明了提出的自適應分塊方法,可有效均衡信號塊的稀疏度,保障壓縮信號在重構過程中的整體重構效果。其次,針對分段正交匹配追蹤(Stagewise Orthogonal Matching Pu...
【文章來源】:燕山大學河北省
【文章頁數(shù)】:72 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景及研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 滾動故障診斷技術的發(fā)展
1.2.2 壓縮感知理論的發(fā)展
1.2.3 重構信號的故障診斷方法
1.3 項目來源及本文研究內容
1.3.1 項目來源
1.3.2 本文研究內容
第2章 壓縮感知基本理論
2.1 引言
2.2 稀疏矩陣
2.3 測量矩陣
2.4 重構算法
第3章 基于自適應分塊的分塊壓縮算法
3.1 引言
3.2 自適應分塊的基本理論
3.3 自適應分塊的仿真分析
3.4 自適應分塊的實驗驗證
3.5 本章小結
第4章 前向后向分段正交匹配追蹤算法
4.1 引言
4.2 前向后向分段正交匹配追蹤算法的基本理論
4.3 前向后向分段正交匹配追蹤算法的仿真分析
4.3.1 有效支撐集與無效支撐集仿真分析
4.3.2 前向后向分段正交匹配追蹤算法仿真
4.4 前向后向分段正交匹配追蹤算法的實驗驗證
4.4.1 基于FBSt OMP算法的滾動軸承故障信號重構
4.4.2 基于自適應分塊的FBSt OMP算法的滾動軸承故障信號重構
4.4.3 自適應分塊的FBSt OMP算法在混合故障中的應用
4.5 本章小結
第5章 基于數(shù)據(jù)增強的故障診斷方法
5.1 引言
5.2 數(shù)據(jù)增強方法的基本理論
5.2.1 AR模型
5.2.2 沖擊成分增強
5.2.3 時域特征量增強
5.2.4 極限學習機分類器
5.2.5 算法流程圖
5.3 數(shù)據(jù)增強方法的仿真分析
5.4 數(shù)據(jù)增強方法的實驗驗證
5.5 本章小結
結論
參考文獻
攻讀碩士學位期間承擔的科研任務與主要成果
致謝
作者簡介
本文編號:2913980
【文章來源】:燕山大學河北省
【文章頁數(shù)】:72 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題背景及研究意義
1.2 國內外研究現(xiàn)狀
1.2.1 滾動故障診斷技術的發(fā)展
1.2.2 壓縮感知理論的發(fā)展
1.2.3 重構信號的故障診斷方法
1.3 項目來源及本文研究內容
1.3.1 項目來源
1.3.2 本文研究內容
第2章 壓縮感知基本理論
2.1 引言
2.2 稀疏矩陣
2.3 測量矩陣
2.4 重構算法
第3章 基于自適應分塊的分塊壓縮算法
3.1 引言
3.2 自適應分塊的基本理論
3.3 自適應分塊的仿真分析
3.4 自適應分塊的實驗驗證
3.5 本章小結
第4章 前向后向分段正交匹配追蹤算法
4.1 引言
4.2 前向后向分段正交匹配追蹤算法的基本理論
4.3 前向后向分段正交匹配追蹤算法的仿真分析
4.3.1 有效支撐集與無效支撐集仿真分析
4.3.2 前向后向分段正交匹配追蹤算法仿真
4.4 前向后向分段正交匹配追蹤算法的實驗驗證
4.4.1 基于FBSt OMP算法的滾動軸承故障信號重構
4.4.2 基于自適應分塊的FBSt OMP算法的滾動軸承故障信號重構
4.4.3 自適應分塊的FBSt OMP算法在混合故障中的應用
4.5 本章小結
第5章 基于數(shù)據(jù)增強的故障診斷方法
5.1 引言
5.2 數(shù)據(jù)增強方法的基本理論
5.2.1 AR模型
5.2.2 沖擊成分增強
5.2.3 時域特征量增強
5.2.4 極限學習機分類器
5.2.5 算法流程圖
5.3 數(shù)據(jù)增強方法的仿真分析
5.4 數(shù)據(jù)增強方法的實驗驗證
5.5 本章小結
結論
參考文獻
攻讀碩士學位期間承擔的科研任務與主要成果
致謝
作者簡介
本文編號:2913980
本文鏈接:http://sikaile.net/shoufeilunwen/boshibiyelunwen/2913980.html
最近更新
教材專著