当前位置:主页 > 科技论文 > 机械论文 >

机械振动信号的稀疏分解理论研究

发布时间:2017-08-16 09:10

  本文关键词:机械振动信号的稀疏分解理论研究


  更多相关文章: 稀疏分解 轴承振动信号 有训练字典 粒子群优化算法 OMP算法 K-SVD算法 指数衰竭余弦原子库


【摘要】:机械振动信号传递与承载着机械设备工作过程中所蕴含的重要信息,在线监测与采集机械振动信号是机械工程领域,尤其是故障诊断或远程故障诊断技术中的核心技术之一,本文将压缩感知理论应用到机械振动信号的监测,研究该理论时,振动信号的稀疏分解问题是压缩感知理论应用的前提和基础,且信号的稀疏分解有助于解决传统方法采样频率高,数据存储量大和传输困难等问题。稀疏分解是在一组高度冗余变换基的作用下,将待分解信号表示成一系列基的线性组合。分解后的信号可以用少量特征明显的分量来表征,即可获得简单、灵活且能表征信号特征的展开式。这种自适应分解方法是非常有用的,将为信号的后期处理提供极大的便利。因此,本文研究的重点集中于机械振动信号的稀疏分解问题。论文的主要工作及研究成果如下: 1.以滚动轴承为研究对象,建立轴承振动信号的理论模型,并根据其结构特点和先验知识构造了改进的基于指数衰减余弦函数的原子库。用改进PSO算法优化MP’算法,并分别对滚动轴承振动信号在指数衰减正弦原子库和本文改进的原子库下分别进行稀疏分解,结果显示本文构造的改进的指数衰减余弦原子库有更好相似度和衰减率,且残余量也更小。 2.根据滚动轴承振动信号数据产生训练样本,通过K-SVD算法并结合OMP算法设计能完全匹配滚动轴承振动信号整体特征的有训练过完备字典,再用OMP算法对与训练样本特征相似的轴承振动信号进行稀疏分解与重构,并与指数衰减正弦原子库(无训练字典)的稀疏分解与重构效果相比较,结果显示本文构造的有训练字典更加能符合振动信号的特点,能用较少或更稀疏分解系数来表达该信号,用有训练过完备字典进行稀疏分解时能以更高的精确逼近原始振动信号,有更好相似度和衰减率,且残余量也更小。
【关键词】:稀疏分解 轴承振动信号 有训练字典 粒子群优化算法 OMP算法 K-SVD算法 指数衰竭余弦原子库
【学位授予单位】:兰州理工大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TH133.33;TH165.3
【目录】:
  • 摘要7-8
  • Abstract8-10
  • 插图索引10-11
  • 附表索引11-12
  • 第1章 绪论12-17
  • 1.1 引言12
  • 1.2 课题的提出及研究意义12-13
  • 1.3 国内外研究现状分析13-16
  • 1.4 论文研究的主要内容16-17
  • 第2章 信号稀疏分解理论17-29
  • 2.1 信号分解17-28
  • 2.1.1 正交变换17-21
  • 2.1.2 信号稀疏分解21-22
  • 2.1.3 稀疏分解的实现22-26
  • 2.1.4 稀疏分解中过完备字典的构造方法26-28
  • 2.2 本章小结28-29
  • 第3章 滚动轴承振动信号的建模29-39
  • 3.1 建模的要求和方法29-30
  • 3.2 轴承振动信号的分析与建模30-33
  • 3.3 广义归一化滚动轴承振动信号模型建立33-35
  • 3.4 广义归一化滚动轴承振动信号模型的仿真35-38
  • 3.4.1 含基频振动分量和谐波振动分量的信号仿真35-36
  • 3.4.2 冲击振动分量的信号仿真36-37
  • 3.4.3 调幅振动分量的信号仿真37
  • 3.4.4 噪声信号的仿真37
  • 3.4.5 广义归一化轴承振动信号的仿真37-38
  • 3.5 本章小结38-39
  • 第4章 基于无训练字典的轴承振动信号稀疏分解39-47
  • 4.1 轴承振动信号波形特点分析39
  • 4.2 构造过完备字典39-40
  • 4.3 改进PSO优化MP算法分解信号的步骤40-41
  • 4.4 实验结果与分析41-46
  • 4.5 本章小结46-47
  • 第5章 基于有训练字典的轴承振动信号稀疏分解47-55
  • 5.1 字典构造算法原理和K-SVD算法简介47-52
  • 5.1.1 字典构造算法原理47-49
  • 5.1.2 K-均值算法49-50
  • 5.1.3 K-SVD算法50-52
  • 5.2 轴承振动信号稀疏分解52-54
  • 5.2.1 基于有训练过完备字典的稀疏分解步骤52-53
  • 5.2.2 实验结果与分析53-54
  • 5.3 本章小结54-55
  • 结论与展望55-56
  • 结论55
  • 展望55-56
  • 参考文献56-60
  • 致谢60-61
  • 附录A 攻读学位期间所发表的学术论文61

【参考文献】

中国期刊全文数据库 前10条

1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

2 王天荆;郑宝玉;杨震;;基于自适应冗余字典的语音信号稀疏表示算法[J];电子与信息学报;2011年10期

3 杨维,李歧强;粒子群优化算法综述[J];中国工程科学;2004年05期

4 王春光;刘金江;孙即祥;;基于粒子群优化的稀疏分解最优匹配原子搜索算法[J];国防科技大学学报;2008年02期

5 杨晓蔚;李红涛;;滚动轴承振动与噪声的相关性解析[J];轴承;2011年07期

6 汪雄良;王正明;;基于Fourier原子的基追踪方法在SAR超分辨成像中的应用[J];红外与毫米波学报;2007年03期

7 张志禹,顾家柳,王月玲,汪文秉;碰摩转子系统振动响应的频率特征研究[J];机械科学与技术;2002年01期

8 张英杰;龚庆武;李勋;关钦月;贾晶晶;王战胜;;基于PSO的原子分解法在间谐波分析中的应用[J];电力系统保护与控制;2013年15期

9 杨愚;;利用粒子群算法实现信号OMP稀疏分解[J];微计算机信息;2008年12期

10 周凤星,程耕国,梁巍;共振解调和小波分析在机械故障诊断中的应用[J];系统工程与电子技术;2005年06期



本文编号:682431

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/682431.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b22ec***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com