改進的原子稀疏分解算法及其在機械故障診斷中的應用研究.pdf

1、基于正交匹配追蹤(Orthogonal Match Pursuit，OMP)的原子稀疏分解算法在數(shù)據(jù)壓縮，圖像處理，信號特征提取等領域有著廣泛的應用，但它存在原子庫選取和計算復雜度過高的問題。原子稀疏分解算法的性能與原子庫的選取密切相關。此外為了實現(xiàn)信號快速稀疏分解，一方面國內外研究者提出了一些快速算法，如遺傳算法，魚群算法等實現(xiàn)信號的稀疏分解，但是這些智能快速算法在搜索過程中存在一定的隨機性，在某些情況下會影響到信號稀疏分解的效果;另

2、一方面國內外研究者結合壓縮感知理論實現(xiàn)信號的稀疏分解，但也存在著稀疏度如何選取的問題，同時稀疏度選取的好壞對信號的稀疏分解效果有著重大的影響。本文針對上述存在的問題，研究內容圍繞實現(xiàn)更有效的基于OMP稀疏分解快速算法開展，具體研究內容如下:
　　(1)文中首先詳細介紹了機械故障的機理，接著介紹了機械故障中常見的軸承和齒輪故障的特點和現(xiàn)有時頻分析方法的不足。然后介紹了原子稀疏分解算法的基本理論，指出了原子稀疏分解算法的特點和存著的問

3、題。最后通過常見的MP算法的應用指出原子稀疏分解算法存在原子庫選取和計算量大的問題。針對以上問題，本文進行了研究。
　　(2)針對原子稀疏分解過程中原子庫選取的問題，提出一種基于改進線性調頻基函數(shù)的正交匹配追蹤算法。該方法在OMP算法的基礎上采用了改進的線性調頻基函數(shù)作為原子進行匹配。數(shù)值仿真計算的結果表明，該方法相比傳統(tǒng)的原子庫重構精度更好，且運算效率更高。
　　(3)針對原子稀疏分解過程中計算量大的問題，提出一種基于量子

4、遺傳優(yōu)化的快速正交匹配追蹤算法。該方法將OMP算法與改進的量子遺傳相結合，利用量子遺傳算法快速求解多參數(shù)全局最優(yōu)解的優(yōu)點，為OMP算法提供高效的原子選取策略，降低了稀疏算法的復雜度。數(shù)值仿真和實測數(shù)據(jù)計算的結果表明，該方法相比傳統(tǒng)的OMP算法更具有稀疏性，且運算效率更高。
　　(4)為了更有效的提高原子稀疏分解算法的計算速度，提出了一種基于參數(shù)優(yōu)化的全變分壓縮感知正交匹配追綜算法。該方法在CSOMP算法的基礎上在采用DHT基作為原