信號的稀疏表達在滾動軸承故障特征提取及智能診斷中的應用研究.pdf

1、現(xiàn)代科學技術的迅猛發(fā)展讓越來越多的先進技術融入于機械設備的故障診斷領域，并取得了令人驚嘆的成績，這使當今的故障診斷上升到了一個新的臺面。稀疏表達技術作為新興的信號處理方法，其自身優(yōu)勢十分適用于機械故障診斷。本文從稀疏表達理論的研究成果出發(fā)，探索了該方法對于機械故障信號的特征提取和故障診斷等方面的應用潛力。
　　旋轉機械在現(xiàn)代工業(yè)和生產中占有越來越大的比重。對旋轉機械的運轉異常做出及時預警不僅可以保證其運作的安全性，還可以帶來明顯的

2、經濟收益。滾動軸承作為實現(xiàn)其核心功能的關鍵部件在旋轉機械中有廣泛的應用，其運行狀態(tài)的可靠性與否關系到整個機械系統(tǒng)的工作性能。因此，對于新的故障診斷方法的探索和開展，滾動軸承是一個很好的研究對象?；谏鲜隹紤]，本文從滾動軸承的故障診斷出發(fā)，基于稀疏表達理論提出了一系列的故障特征提取和故障診斷方法。主要內容如下:
　　1.從歷史背景、科技發(fā)展和實際工程案例等方面詳細闡述了機械設備的狀態(tài)監(jiān)測和故障診斷這一選題的研究意義。以滾動軸承為研究

3、對象，從其故障機理和信號特點出發(fā)，回顧并分析了現(xiàn)有的診斷研究方法，包括時域上的、頻域上的和時頻域上的診斷方法，并基于國內外的研究成果和研究現(xiàn)狀討論了各個方法的優(yōu)缺點和當今故障診斷研究的不足方面。對智能診斷技術做了概述，并著重介紹了目前熱門的神經網絡和支持向量機技術。詳細闡述了稀疏表達理論在故障診斷領域的三個主要方面的研究應用，即信號降噪、特征提取和故障分類，并在最后提出了本文研究的主要思路。
　　2.對稀疏表達理論的基本概念做了詳

4、細介紹，從數(shù)學模型出發(fā)提出了稀疏系數(shù)求解和字典設計兩個稀疏表達理論中的主要問題，并結合現(xiàn)有的研究狀況對這兩類問題分別詳細闡述了幾個常用方法且做了簡單的比較分析。這些理論介紹為后續(xù)章節(jié)提出的診斷方法奠定了理論基礎。
　　3.針對傳統(tǒng)小波變換的小波函數(shù)振動模式與機械故障信號的振動模式匹配不足這一缺陷，結合稀疏表達理論提出了一種可調小波振動模式的過完備小波變換。隨后，以應用對比的方式分析了該變換相比傳統(tǒng)時頻變換用于特征提取的優(yōu)勢，并從中

5、提取出可用于故障診斷的SWE特征。實驗驗證SWE特征相較以傳統(tǒng)時頻方法得到特征的分類性能更出色。
　　4.利用結構稀疏表達理論建立起表征數(shù)據(jù)關系的結構字典并對各類信號進行有效表征，使得同類型的具有相似模式的滾動軸承振動信號具有統(tǒng)一的表達模式。系數(shù)求解過程中基于混合約束項進行計算優(yōu)化，使得最終表達在組層面上和結構層面上均進行特征選擇，準確把握信號的類別和結構模式。為了便于后續(xù)的分析診斷，從表達中進一步提出了低維故障特征SSW，并以實

6、驗證明該特征具有很強的噪音抑制能力和穩(wěn)定性，可有效實現(xiàn)軸承的故障診斷。
　　5.將數(shù)據(jù)的流形學習理論與稀疏表達理論相結合，針對滾動軸承故障診斷問題的解決提出了ManiSC特征提取框架。該方法首先利用數(shù)據(jù)的先驗知識建立起表征數(shù)據(jù)關系的圖譜矩陣，再以流形學習方式找到數(shù)據(jù)的基矩陣，并將數(shù)據(jù)映射至稀疏域。實驗證明了ManiSC特征能以低維的方式有效表征出原始高維數(shù)據(jù)中的幾何特性和內在數(shù)據(jù)結構，并比標準的稀疏表達和流形學習方法具有更出色的魯