基于壓縮感知的故障檢測與分離方法研究.pdf

1、在傳統(tǒng)香農(nóng)采樣定理的限制下，長期連續(xù)的機(jī)械設(shè)備狀態(tài)監(jiān)測和故障診斷過程中產(chǎn)生了龐大的振動(dòng)信號(hào)，增加了信號(hào)存儲(chǔ)與傳輸以及故障識(shí)別的難度。同時(shí)，多源耦合信號(hào)在欠定條件下的分離和故障診斷也顯得尤為困難。因此，本課題將開展振動(dòng)信號(hào)稀疏采樣重構(gòu)方法、基于壓縮感知的故障檢測方法以及多源耦合信號(hào)的分離與診斷方法研究，主要內(nèi)容如下:
　　(1)開展了振動(dòng)信號(hào)稀疏采樣重構(gòu)方法研究。首先研究了基于壓縮感知的振動(dòng)信號(hào)重構(gòu)方法，分析了該方法應(yīng)用的條件，探討

2、了振動(dòng)信號(hào)在不同字典下的可稀疏性，實(shí)現(xiàn)了振動(dòng)信號(hào)的重構(gòu)，緩解了數(shù)據(jù)存儲(chǔ)與傳輸?shù)膲毫Α４送?，針?duì)振動(dòng)信號(hào)稀疏度不足且難以確定的問題，開展了基于塊稀疏貝葉斯學(xué)習(xí)的振動(dòng)信號(hào)重構(gòu)方法研究，利用概率統(tǒng)計(jì)知識(shí)在不考慮稀疏度的條件下重構(gòu)信號(hào)，解決了由于振動(dòng)信號(hào)不稀疏特性給重構(gòu)帶來的不確定性問題。
　　(2)構(gòu)建了基于壓縮感知的故障檢測策略，分析了傅里葉字典下諧波信號(hào)的稀疏情況，建立了基于諧波檢測的特征間接提取方法。為了解決振動(dòng)信號(hào)的長度過長導(dǎo)致

3、稀疏矩陣難以構(gòu)造的問題，提出了基于特征參數(shù)波形的故障多重壓縮檢測方法。通過構(gòu)造特征參數(shù)波形，在縮短振動(dòng)信號(hào)長度的同時(shí)保留了足夠的故障信息用于診斷，并通過檢測諧波信號(hào)的方法實(shí)現(xiàn)了故障特征的間接提取。針對(duì)噪聲加劇振動(dòng)信號(hào)不稀疏特性以及影響故障特征提取的問題，開展了基于可調(diào)變因子小波變換的故障檢測方法研究。深入分析了可調(diào)變因子小波變換的降噪能力和稀疏促進(jìn)能力，通過快速譜峭度方法確定了Q因子，分別匹配出干擾成分和沖擊信號(hào)，降噪的同時(shí)促進(jìn)了振動(dòng)信

4、號(hào)的稀疏度，提高了諧波檢測的成功率。
　　(3)開展了基于壓縮感知的多源耦合信號(hào)分離與檢測方法研究，對(duì)比了壓縮感知理論和盲源分離方法的數(shù)學(xué)模型，建立了盲源分離欠定方程稀疏促進(jìn)優(yōu)化求解方法。通過勢函數(shù)方法確定了源信號(hào)的個(gè)數(shù)，并應(yīng)用K-means方法估計(jì)混合矩陣，通過矩陣變換獲得測量矩陣，采用優(yōu)化重構(gòu)方法實(shí)現(xiàn)了源信號(hào)的分離。為提高診斷效率，發(fā)展了基于壓縮感知的多源耦合信號(hào)分離與故障同步檢測方法，結(jié)合諧波檢測方法，在無需完全重構(gòu)源信號(hào)的