基于提升小波的机械振动信号自适应压缩感知

发布时间：2017-10-09 11:07

  本文关键词：基于提升小波的机械振动信号自适应压缩感知

  更多相关文章： 自适应压缩感知 稀疏度 提升小波 数据压缩 机械振动 状态监测

【摘要】：针对复杂装备状态监测所面临的海量数据采样与传输问题,提出一种基于提升小波的自适应压缩感知方法。针对方法中提升小波信号处理中最优参数确定问题,利用稀疏度作为控制因子对提升小波滤波器和分解层数进行优选,并结合分块阈值降噪方法实现对机械振动信号的最佳稀疏分解。基于分块压缩感知的思想和满足RIP条件下观测次数下限的指导原则,解决提升小波分解各节点信号观测数据量的确定问题,构建基于提升小波的自适应压缩感知的机械状态监测体系。研究结果表明:该方法能够有效地减少压缩感知观测数据量,提高信号的重构速度和重构质量。
【作者单位】： 军械工程学院车辆与电气工程系;
【关键词】： 自适应压缩感知 稀疏度 提升小波 数据压缩 机械振动 状态监测
【基金】：国家自然科学基金资助项目(51305454)~~
【分类号】：TH113.1
【正文快照】： 为了实时掌握装备运行状态信息,应用了基于CAN(controller area network)总线的分布式状态监测网络,其前端分布式节点通过传感器采集各关键部件的响应信息,所测数据不仅包含慢变信号,如油温、水温、油压、转速等,还包含机械振动等快变信号,机械振动信号多为动态复杂非平稳信号

【相似文献】

中国期刊全文数据库 前10条

1 黄石红,袁建虎,傅行军;旋转机械振动信号处理中的平均技术[J];汽轮机技术;2001年05期

2 胡劲松,鲍吉龙,杨世锡;旋转机械振动信号无相移滤波技术研究[J];汽轮机技术;2005年05期

3 王正英;胥永刚;李强;王太勇;;机械振动信号内在模式的复杂性评估[J];振动与冲击;2009年01期

4 刘婷婷;任兴民;杨永锋;;核独立分量分析在机械振动信号分离中的应用[J];西北工业大学学报;2011年01期

5 石长华;谢世坤;臧观建;李强征;应建中;;独立分量分析在机械振动信号上的应用研究[J];机械设计与制造;2012年01期

6 郑钢铁,P.D.McFadden;机械振动信号的指数时-频域分布[J];中国科学E辑:技术科学;1997年05期

7 李香莲;机械振动信号的时频分析[J];山东工程学院学报;1999年03期

8 刘婷婷;任兴民;;独立分量分析在机械振动信号分离中的应用[J];振动、测试与诊断;2009年01期

9 傅俊庆;廖坤鹏;沈中伟;;旋转机械振动信号角域与时域采样方法的对比研究[J];长沙交通学院学报;2007年01期

10 张君;王金平;朱波;;旋转机械振动信号处理中的滤波及特征提取技术[J];南京工程学院学报(自然科学版);2009年03期

中国重要会议论文全文数据库 前1条

1 梁勤刚;陈长征;;基于盲分离的旋转机械振动信号分析[A];现代振动与噪声技术（第九卷）[C];2011年

中国硕士学位论文全文数据库 前10条

1 彭浩;通用性旋转机械振动信号测试与分析系统的研制[D];重庆大学;2006年

2 康斌;独立分量分析在机械振动信号中的应用研究[D];武汉理工大学;2008年

3 周雁冰;旋转机械振动信号的高阶统计特性分析[D];华北电力大学（北京）;2008年

4 莫芙蓉;旋转机械振动信号盲源分离中欠确定问题研究[D];国防科学技术大学;2005年

5 朱瑜;基于网络的机械振动信号分析系统研究[D];华北电力大学;2013年

6 白宇;基于VB的旋转机械振动信号分析系统研究[D];长安大学;2013年

7 刘岩;基于分形的往复机械振动信号分析技术[D];大庆石油学院;2006年

8 丁锐;机械振动信号的HHT分析与应用[D];昆明理工大学;2010年

9 刘科伟;旋转机械阶比分析研究与软件实现[D];南京航空航天大学;2008年

10 沈媛;频谱校正在旋转机械启停分析中的应用研究[D];大连理工大学;2007年

，

本文编号：999826