基於壓縮感知的滾動軸承稀疏特徵提取方法研究

《基於壓縮感知的滾動軸承稀疏特徵提取方法研究》是依託昆明理工大學，由劉暢擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於壓縮感知的滾動軸承稀疏特徵提取方法研究
• 項目類別：青年科學基金項目
• 項目負責人：劉暢
• 依託單位：昆明理工大學

項目摘要

目前工業現場的旋轉機械廣泛使用的狀態監測系統，其產生大量未經壓縮的運行狀態數據，導致數據“爆炸”引發海量數據存儲、存儲資源浪費等問題。以滾動軸承振動信號為對象，開展複雜噪聲環境下滾動軸承稀疏特徵提取的壓縮感知方法研究。提出基於字典學習的信號稀疏化方法，實現噪聲環境下信號的最優稀疏表示，滿足壓縮感知的前提條件；提出自適應觀測矩陣生成方法，實現多工況條件下信號觀測，保證獲取重構所需信息的同時，對信號進行有效的壓縮；提出基於閾值疊代方法的重構算法，有效降低重構誤差；提出基於統計特徵和能量分布的稀疏特徵參數和基於聚類的稀疏特徵分類器，實現滾動軸承的故障診斷，驗證本項目中方法的有效性。研究成果能有效的解決海量狀態數據存儲的問題，即保證數據壓縮後不丟失信息，且使用壓縮後的數據進行診斷效率更高，從而為解決大規模數據採集帶來的大數據、低效率問題進行有益的探索。

結題摘要

滾動軸承的特徵提取與故障診斷是機械設備狀態監測與故障診斷中關鍵問題之一，壓縮感知理論為滾動軸承特徵提取研究提供了一種新的途經。針對工業大數據引發的海量數據存儲、提高現場診斷效率的課題，以稀疏表示和壓縮感知理論為基礎，建立壓縮空間與原始空間之間的對應關係，從信號分析與故障診斷的角度出發研究其關鍵理論與算法：（１）提出基於MOD改進方法的自適應字典學習方法，提高信號的稀疏度，採用自適應閾值方法對變換係數進行稀疏化，改進信號重構算法，實現基於稀疏變換的信號自適應降噪；（２）分析不同觀測矩陣在降維過程中信息的損失，推證信號在隨機投影過程中能量近似保持的性質，在降維空間內開展信號分解與頻帶能量提取方法研究，提出基於能量特徵的壓縮域特徵提取方法；（３）以滾動軸承振動信號和聲發射信號為對象，驗證隨機投影能夠消除不同工況帶來信號觀測的複雜性和不確定，以及信號在隨機投影過程中的能量保持。將壓縮域特徵與機器學習相結合，提出基於支持向量機的壓縮域故障診斷模型，用於滾動軸承的狀態評估與故障診斷，有效提高故障診斷的效率。