非完备先验知识下的滑动轴承摩擦状态识别
本文关键词： 非完备先验知识 滑动轴承 状态识别 灰色B型绝对关联度(AGRDB) 稀疏编码 出处：《航空动力学报》2017年07期 论文类型：期刊论文
【摘要】：针对监测系统通常无法全部获取轴承摩擦退化状态的先验知识,无法建立全摩擦状态的识别模型,从状态间的相似性出发,提出一种无先验知识下的基于灰色B型绝对关联度(AGRDB)和稀疏编码的滑动轴承状态识别方法。针对稀疏表示不具有监督性的缺陷,在稀疏编码的目标函数中引入AGRDB算法,训练类间距离最大、类内距离最小的正常润滑和严重摩擦的编码;在相同字典下建立具有一致判别性的稀疏表示模型,通过比较当前状态与正常润滑、严重摩擦的稀疏编码与重构误差,进一步识别当前轴承的状态,仿真信号和柴油机轴承实验的结果表明:所提方法能够在较少先验知识下识别出滑动轴承的早期摩擦状态(100~216min)和严重摩擦状态(216~384min),且算法简单,适合较少样本下的滑动轴承摩擦故障在线监测。
[Abstract]:In view of the fact that the monitoring system can not obtain all the prior knowledge of the friction degradation state of the bearing, it is impossible to establish the identification model of the full friction state, and proceed from the similarity between the states. In this paper, a method of sliding bearing state recognition based on grey B-type absolute correlation degree (AGRDB) and sparse coding without prior knowledge is proposed. Aiming at the defects of sparse representation without supervision, AGRDB algorithm is introduced into the objective function of sparse coding. Training the coding of normal lubrication and severe friction with the largest distance between classes and the smallest distance within classes, and establishing a sparse representation model with uniform discriminant under the same dictionary, and comparing the current state with normal lubrication, The sparse coding and reconstruction errors of severe friction to further identify the current bearing state, The simulation signals and diesel engine bearing experiments show that the proposed method can identify the early friction state of sliding bearings in a little prior knowledge and the severe friction state can be identified by using the proposed method. The algorithm is simple, and the experimental results show that the proposed method can identify the early friction state of the sliding bearings for 100 min and the severe state of friction for 3 84 min, and the proposed method is simple. It is suitable for online monitoring of friction faults of sliding bearings with fewer samples.
【作者单位】： 军械工程学院七系;军械工程学院四系;武汉军械士官学校四系;
【基金】：国家自然科学基金(51205405,51305454)
【分类号】：TH133.31
【参考文献】
相关期刊论文 前10条
1 张峻宁;张培林;陈彦龙;张云强;;基于摩擦信号的滑动轴承接触摩擦故障的状态监测[J];振动与冲击;2016年03期
2 俞啸;丁恩杰;陈春旭;李力;;基于HHT和有监督稀疏编码的滚动轴承故障状态识别方法[J];煤炭学报;2015年11期
3 向丹;岑健;;基于EMD熵特征融合的滚动轴承故障诊断方法[J];航空动力学报;2015年05期
4 郭业才;张铃华;;统一化的LGBP特征及稀疏表示的人脸识别算法[J];计算机辅助设计与图形学学报;2015年03期
5 胡瑾秋;张来斌;胡春艳;李文强;;基于数据自组织挖掘的机械设备状态退化预警方法[J];中国石油大学学报(自然科学版);2014年03期
6 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
7 孙丹;张楚;郭瑞;杨建刚;;基于两相流理论滑动轴承动力特性求解[J];航空动力学报;2012年12期
8 王海涛;谢寿生;武卫;苗卓广;吴勇;;基于稀疏最小二乘支持向量机的航空发动机动态过程辨识[J];航空动力学报;2010年09期
9 荆双喜;吴新涛;华伟;;基于小波包频带能量特征提取的低速重载滑动轴承故障诊断研究[J];煤矿机械;2007年09期
10 傅和平;秦萍;;滑动轴承故障诊断方法的实用性分析研究[J];轻工机械;2006年04期
相关硕士学位论文 前1条
1 邵晓刚;基于矩阵灰色B型绝对关联度的人脸检测算法研究[D];东北师范大学;2012年
【共引文献】
相关期刊论文 前10条
1 张峻宁;张培林;李兵;吴定海;杨玉栋;;非完备先验知识下的滑动轴承摩擦状态识别[J];航空动力学报;2017年07期
2 季云;王恒;朱龙彪;黄希;;基于HMM的机械设备运行状态评估与故障预测研究综述[J];机械强度;2017年03期
3 张峻宁;张培林;张云强;杨望灿;华春蓉;;融合字典学习的滑动轴承摩擦故障趋势自记忆预测[J];振动工程学报;2017年03期
4 秦波;王祖达;孙国栋;王建国;;VMD能量熵与核极限学习机在滚动轴承故障诊断中的应用[J];中国测试;2017年05期
5 孙洁娣;彭志涛;温江涛;王飞;;基于总体局域均值分解及稀疏表示分类的天然气管道泄漏孔径识别[J];中国机械工程;2017年10期
6 任佳;马宏军;;航空发动机MIMO系统的闭环辨识与故障诊断算法[J];测控技术;2017年04期
7 蒲子玺;殷红;张楠;闫武起;彭珍瑞;;基于峭度准则VMD及平稳小波的轴承故障诊断[J];机械设计与研究;2017年01期
8 田晶;艾延廷;赵明;王志;关焦月;;基于声发射信号信息距的滚动轴承故障诊断[J];航空动力学报;2017年01期
9 王永亮;王鹏潇;刘子豪;钟兢军;;基于非线性油膜力的滑动轴承动力特性系数识别方法[J];推进技术;2017年03期
10 王江萍;段腾飞;;基于特征融合和稀疏表示的齿轮故障诊断[J];机械传动;2017年01期
相关硕士学位论文 前1条
1 汪添ma;电能质量扰动分析方法研究[D];哈尔滨理工大学;2015年
【二级参考文献】
相关期刊论文 前10条
1 向丹;葛爽;;基于EMD样本熵-LLTSA的故障特征提取方法[J];航空动力学报;2014年07期
2 向丹;葛爽;;一种基于小波包样本熵和流形学习的故障特征提取模型[J];振动与冲击;2014年11期
3 孙志军;薛磊;许阳明;;基于深度学习的边际Fisher分析特征提取算法[J];电子与信息学报;2013年04期
4 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期
5 高甜容;于东;岳东峰;郑樎默;;基于故障先兆判定模型和动态置信度匹配的主轴润滑故障预测方法[J];机械工程学报;2012年17期
6 袁湘辉;吴文全;卢建斌;席泽敏;;基于MHMM-SVM混合模型的雷达发射机性能退化状态监测[J];海军工程大学学报;2012年03期
7 唐宏宾;吴运新;滑广军;马昌训;;基于EMD包络谱分析的液压泵故障诊断方法[J];振动与冲击;2012年09期
8 张超;陈建军;郭迅;;基于EEMD能量熵和支持向量机的齿轮故障诊断方法[J];中南大学学报(自然科学版);2012年03期
9 张德祥;汪萍;吴小培;高清维;;基于EMD和非线性峭度的齿轮故障诊断[J];振动.测试与诊断;2012年01期
10 李豫川;伍星;迟毅林;刘畅;;基于形态滤波和稀疏分量分析的滚动轴承故障盲分离[J];振动与冲击;2011年12期
相关硕士学位论文 前2条
1 徐敏;基于视频的实时人脸识别的研究与实践[D];中南大学;2010年
2 阮揆;人脸识别技术的研究与应用[D];国防科学技术大学;2006年
【相似文献】
相关期刊论文 前10条
1 程东阳;蒋兴浩;孙锬锋;;基于稀疏编码和多核学习的图像分类算法[J];上海交通大学学报;2012年11期
2 邹柏贤;苗军;;自然图像稀疏编码模型研究综述[J];郑州大学学报(工学版);2013年03期
3 唐峰;孙锬锋;蒋兴浩;陆欢;;基于改进稀疏编码模型的图像分类算法[J];上海交通大学学报;2012年09期
4 郑歆慰;胡岩峰;孙显;王宏琦;;基于空间约束多特征联合稀疏编码的遥感图像标注方法研究[J];电子与信息学报;2014年08期
5 苗中华;周广兴;刘海宁;刘成良;;基于稀疏编码的振动信号特征提取算法与实验研究[J];振动与冲击;2014年15期
6 郝凯;宋明黎;卜佳俊;陈纯;;局部稀疏编码的自然灰度图像着色方法[J];计算机辅助设计与图形学学报;2011年08期
7 王斌;王媛媛;肖文华;王炜;张茂军;;基于判别稀疏编码视频表示的人体动作识别[J];机器人;2012年06期
8 欧阳琰;桑农;黄锐;;基于鲁棒稀疏编码的表情识别方法[J];武汉理工大学学报(信息与管理工程版);2013年03期
9 史骏;姜志国;冯昊;张浩鹏;孟钢;;基于弹性网稀疏编码的空间目标识别[J];航空学报;2013年05期
10 ;[J];;年期
相关会议论文 前3条
1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年
2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年
3 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年
相关博士学位论文 前10条
1 唐海峰;基于信号稀疏表征的故障诊断方法研究[D];上海交通大学;2014年
2 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年
3 徐平华;基于稀疏编码的多视域织物外观平整度表征与评级[D];东华大学;2016年
4 吕京磊;基于功能磁共振成像的大脑架构表达的研究[D];西北工业大学;2016年
5 王婧;面向在线环境的数据编码问题研究[D];合肥工业大学;2015年
6 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年
7 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年
8 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年
9 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年
10 罗敏楠;T-S模糊推理系统的结构稀疏编码辨识理论与方法[D];清华大学;2014年
相关硕士学位论文 前10条
1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年
2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年
3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年
4 鲍珍珍;基于多路分层稀疏编码的遥感图像场景分类[D];西安电子科技大学;2014年
5 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年
6 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年
7 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年
8 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年
9 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年
10 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年
，本文编号：1497410
本文链接：https://www.wllwen.com/jixiegongchenglunwen/1497410.html
