基于烯疏采樣的數(shù)據(jù)修復及故障分類方法研究.pdf

1、為了解決信號采集中受損數(shù)據(jù)的修復問題，降低信號稀疏度對修復效果的影響，同時實現(xiàn)欠采樣條件下機械故障的識別，本文基于稀疏表示理論，研究了基于稀疏采樣的數(shù)據(jù)修復方法、基于稀疏度自適應(yīng)的數(shù)據(jù)修復方法、基于稀疏采樣的故障分類方法。具體研究內(nèi)容如下:
　　(1)開展了基于稀疏采樣的數(shù)據(jù)修復方法研究。在實際振動信號采集中，可能會由于信號采集系統(tǒng)不穩(wěn)定導致部分數(shù)據(jù)丟失。針對信號采集中受損數(shù)據(jù)的修復問題，結(jié)合壓縮感知框架，建立了基于稀疏采樣的數(shù)據(jù)

2、修復模型。首先基于振動信號波形特征和先驗知識，選擇適當?shù)南∈枳值鋵崿F(xiàn)信號稀疏化;其次以單位矩陣為基礎(chǔ)，根據(jù)數(shù)據(jù)的缺失模型構(gòu)造觀測矩陣;最后采用穩(wěn)定的稀疏求解算法重構(gòu)出完整數(shù)據(jù)，實現(xiàn)受損數(shù)據(jù)修復。此外，還探究了不同稀疏字典下受損信號的修復情況，分析了振動信號在不同字典下的稀疏特性。通過仿真信號及實測信號驗證了方法有效性，結(jié)果表明，相比于受損信號，修復信號更有利于后續(xù)故障診斷;對比了傳統(tǒng)數(shù)據(jù)修復方法，基于稀疏采樣的數(shù)據(jù)修復方法在修復精度上更

3、具有優(yōu)勢。
　　(2)開展了稀疏度自適應(yīng)的數(shù)據(jù)修復方法研究?；趬嚎s感知的數(shù)據(jù)重構(gòu)方法可用于解決信號采集中受損數(shù)據(jù)的修復問題，該算法首先需要已知數(shù)據(jù)稀疏度，而振動信號的稀疏度通常難以確定，增加了數(shù)據(jù)修復的難度，因此建立了基于稀疏度自適應(yīng)的數(shù)據(jù)修復模型。探討了稀疏度自適應(yīng)匹配追蹤算法（SAMP）中迭代步長及終止系數(shù)對修復性能的影響，分析了該方法的使用條件。此外，針對SAMP算法修復結(jié)果受終止條件影響較大，導致修復精度不高且效率較低的

4、問題，提出了終止準則改進的稀疏度自適應(yīng)數(shù)據(jù)修復方法。通過仿真信號及實測信號驗證了方法的有效性，且改進的SAMP算法在重構(gòu)精度和運算效率上均有所提高。對比了不同稀疏求解方法下振動信號修復效果，結(jié)果表明，改進的SAMP算法修復效果優(yōu)于正交匹配追蹤(OMP)與正則化正交匹配追蹤(ROMP)。
　　(3)開展了基于稀疏采樣的故障分類方法研究。香農(nóng)采樣定理為信號處理技術(shù)奠定了基礎(chǔ)，但也帶來了數(shù)據(jù)傳輸及處理的巨大壓力。為解決海量數(shù)據(jù)對故障診斷

5、的壓力問題，研究了基于稀疏表示的故障分類方法，用于實現(xiàn)欠采樣條件下機械故障診斷。探究了基于冗余字典的信號稀疏表示方法，建立了冗余字典下稀疏表示分類模型。針對稀疏表示分類模型中稀疏矩陣構(gòu)造復雜的問題，研究了基于小波模極大值(WTMM)的信號稀疏表示方法，從而將稀疏矩陣由復雜的樣本字典替換為單位矩陣，降低了方法復雜度。此外，為克服信號時移對分類結(jié)果的影響，用最大互相關(guān)度替代最小冗余誤差作為故障判定準則。通過軸承及齒輪信號驗證了方法有效性。相