基于稀疏表示理論的聲發(fā)射識別技術(shù)的研究.pdf

1、隨著科技的不斷進步，旋轉(zhuǎn)機械在大型裝備制造、能源、金屬加工及民用工程等產(chǎn)業(yè)中都起著至關(guān)重要的作用。因此對于旋轉(zhuǎn)機械的碰磨故障檢測變得十分重要。而對旋轉(zhuǎn)機械的碰磨故障診斷方法中，聲發(fā)射檢測技術(shù)是一種具有很大發(fā)展?jié)摿Φ姆椒ā５捎诼暟l(fā)射源多樣性、噪聲干擾強等因素，特征信號往往難以提取和識別，因此其在實際應用中還有很大限制。本文針對以上問題進行研究。
　　(1)將稀疏表示引入到聲發(fā)射識別技術(shù)中，實驗表明稀疏表示可以有效地提高聲發(fā)射識別系

2、統(tǒng)的性能。
　　(2)利用K-SVD字典學習算法的特點，對碰磨聲發(fā)射信號進行降噪。在訓練階段，使用K-SVD算法訓練聲發(fā)射信號的過完備基，然后根據(jù)估計的噪聲方差利用正交匹配追蹤算法對含噪碰磨聲發(fā)射信號在形成的字典上進行稀疏分解，從而將聲發(fā)射信號和噪聲分離。通過實驗仿真表明，基于K-SVD字典學習算法的聲發(fā)射降噪算法明顯提高了信噪比。
　　(3)利用MFCC系數(shù)和高斯混合模型構(gòu)建信號特征是聲發(fā)射識別的第一步，之后在K-SVD算

3、法的基礎上，介紹了基于D-KSVD的聲發(fā)射識別系統(tǒng)，字典中加入了判別性來提高識別率。通過實驗驗證了識別結(jié)果的準確性，達到了對旋轉(zhuǎn)機械碰磨運行的狀態(tài)信息監(jiān)測和故障診斷的要求。
　　(4)針對稀疏表示構(gòu)建字典上的缺點，利用Fisher判別字典學習算法，通過對字典施加判別性，構(gòu)造具有區(qū)分性的結(jié)構(gòu)化字典。詳細說明了Fisher判別字典學習算法的字典更新步驟和特性，結(jié)合聲發(fā)射識別，實現(xiàn)基于Fisher判別字典學習算法的聲發(fā)射識別系統(tǒng)，并通過