基于压缩感知的振动数据修复方法

发布时间：2018-03-26 06:02

  本文选题：数据修复　切入点：压缩感知　出处：《物理学报》2014年20期

【摘要】：为解决旋转机械振动信号丢失数据修复的问题,提出一种基于压缩感知原理的振动数据修复方法.首先对采集到的不完整信号进行处理,将无信息输入时刻对应的数据用零元素填充得到有损信号,以单位矩阵为基础,根据有损信号中零元素的位置信息,构造对应于压缩感知框架下的观测矩阵;再根据待修复信号的特点并结合先验知识,构造或选择能够对振动信号进行稀疏表示的字典矩阵;然后使用高效且稳定的追踪算法,根据有损信号、观测矩阵以及字典矩阵重构原始信号,实现丢失振动数据的修复.使用仿真数据检验方法的有效性;使用实测的轴承振动状态数据验证方法对于振动数据的适用性,并通过比较完整信号、有损信号和修复信号对应的时域和频域特征值来检验数据修复效果.实验结果表明:本文方法能够有效地实现丢失数据的修复,且从统计特征的角度来看,相比于有损信号,修复信号能够更为准确地描述真实完整的振动信号.
[Abstract]:In order to solve the problem of data restoration of vibration signal loss in rotating machinery, a method of vibration data repair based on compression sensing principle is proposed. Firstly, the incomplete signals are processed. The data corresponding to the input time without information is filled with zero elements to obtain the lossy signal. Based on the unit matrix and the position information of the zero element in the lossy signal, the observation matrix corresponding to the frame of compression perception is constructed. Then according to the characteristics of the signal to be repaired and the prior knowledge, we construct or select the dictionary matrix which can sparse represent the vibration signal, and then use an efficient and stable tracking algorithm, according to the lossy signal, The original signal is reconstructed by the observation matrix and dictionary matrix, and the lost vibration data is repaired. The validity of the method is verified by using the simulation data, and the applicability of the method to the vibration data is verified by using the measured data of the vibration state of the bearing. By comparing the time domain and frequency domain eigenvalues of the complete signal, the lossy signal and the repair signal, the experimental results show that the proposed method can effectively repair the lost data. Moreover, compared with the lossy signal, the restoration signal can describe the real and complete vibration signal more accurately from the point of view of statistical characteristics.
【作者单位】： 国防科学技术大学机电工程与自动化学院 装备综合保障技术重点实验室;
【基金】：国家自然科学基金(批准号:51375484,51205401)资助的课题~~
【分类号】：TN911.7

【参考文献】

相关期刊论文 前5条

1 孙闯;何正嘉;张周锁;陈雪峰;曹宏瑞;宁喜钰;邹利民;;基于状态信息的航空发动机运行可靠性评估[J];机械工程学报;2013年06期

2 白旭;李永强;赵生妹;;基于压缩感知的差分关联成像方案研究[J];物理学报;2013年04期

3 冯丙辰;方晟;张立国;李红;童节娟;李文茜;;基于压缩感知理论的非线性γ谱分析方法[J];物理学报;2013年11期

4 宁方立;何碧静;韦娟;;基于l_p范数的压缩感知图像重建算法研究[J];物理学报;2013年17期

5 高娃;查富生;宋宝玉;李满天;;Fast filtering algorithm based on vibration systems and neural information exchange and its application to micro motion robot[J];Chinese Physics B;2014年01期

【共引文献】

相关期刊论文 前10条

1 刘繁明;张迎发;李艳;姚建奇;;基于压缩感知的地磁数据分频压缩与重构方法[J];测绘学报;2013年04期

2 宋无名;陈南圭;;功能MRI:最先进方法的简要回顾和展望(英文)[J];磁共振成像;2013年05期

3 刘平;刘晓曼;朱永贵;;基于K-SVD字典学习的核磁共振图像重建方法[J];中国传媒大学学报(自然科学版);2013年04期

4 刘佶鑫;孙权森;;多尺度分形压缩感知遥感成像方法[J];测绘学报;2013年06期

5 CAI Yun;LI Song;;Compressed data separation via dual frames based split-analysis with Weibull matrices[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2013年04期

6 袁义明;孙晨;杨长春;;基于迭代再加权最小二乘的地震资料稀疏反演方法[J];地球物理学进展;2013年05期

7 李东;仓吉;夏新星;李海峰;刘向东;刘旭;;基于压缩感知的后调制远距离三维成像研究[J];光学学报;2014年01期

8 严奉霞;王泽龙;朱炬波;刘吉英;;压缩感知理论与光学压缩成像系统[J];国防科技大学学报;2014年02期

9 林溱;;基于稀疏表示的MRI研究简介[J];电子世界;2014年09期

10 赵彦孟;宋建新;;一种基于压缩感知全变差算法的图像去噪方法[J];电视技术;2014年05期

相关会议论文 前2条

1 袁义明;孙晨;杨长春;;基于迭代再加权最小二乘的地震资料稀疏反演方法[A];中国科学院地质与地球物理研究所2013年度（第13届）学术论文汇编——兰州油气中心及离退休等部门[C];2014年

2 刘运松;Jian-feng Cai;占志芳;郭迪;叶婧;陈忠;屈小波;;压缩感知MRI稀疏模型对比:分解型、综合型和平衡型[A];第十八届全国波谱学学术年会论文集[C];2014年

相关博士学位论文 前10条

1 许建楼;交替方向法和TGV正则在图像处理中的应用研究[D];西安电子科技大学;2013年

2 廖秀秀;基于学习的图像超分辨率重建算法研究[D];华南理工大学;2013年

3 王良君;基于压缩感知的多描述编码研究[D];西安电子科技大学;2013年

4 邹健;分块稀疏表示的理论及算法研究[D];华南理工大学;2012年

5 张湃;可实现图像自修复的压缩感知超分辨率成像算法的研究[D];燕山大学;2013年

6 宋晓霞;低冗余CS观测方法及其在WSNs数据收集中的应用[D];西安电子科技大学;2013年

7 陈向民;基于形态分量分析和线调频小波路径追踪的机械故障诊断方法研究[D];湖南大学;2013年

8 孙彪;基于压缩感知的信号频谱测量方法研究[D];华中科技大学;2013年

9 张臻;基于压缩感知的图像编解码方法研究[D];北京工业大学;2013年

10 刘晨轶;基于压缩感知的OCT图像稀疏重建[D];北京邮电大学;2013年

相关硕士学位论文 前10条

1 孟博;基于低剂量CT的层间插值技术研究[D];郑州大学;2013年

2 谢贞辉;基于压缩感知的嵌入式图像采集节点的设计与实现[D];安徽大学;2013年

3 孙兴国;基于压缩感知的无线信道估计方法研究[D];安徽大学;2013年

4 仇乐乐;无线传感网中基于量化压缩感知的图像传输方法研究[D];安徽大学;2013年

5 文首先;压缩感知匹配追踪算法的研究[D];安徽大学;2013年

6 段世芳;压缩感知中的图像重构算法研究[D];天津理工大学;2013年

7 郭凯;模拟信号压缩采样的研究[D];天津理工大学;2013年

8 袁媛;基于压缩感知的图像压缩技术的研究[D];成都理工大学;2013年

9 彭善华;基于径向轨迹稀疏采样的快速磁共振成像方法研究[D];湖南师范大学;2013年

10 孙媛;基于压缩感知的数字图像可逆水印算法研究[D];兰州理工大学;2013年

【二级参考文献】

相关期刊论文 前10条

1 陆明海;沈夏;韩申生;;基于数字微镜器件的压缩感知关联成像研究[J];光学学报;2011年07期

2 陈涛;李正炜;王建立;王斌;郭爽;;应用压缩传感理论的单像素相机成像系统[J];光学精密工程;2012年11期

3 黄洪钟;对常规可靠性理论的批判性评述——兼论模糊可靠性理论的产生、发展及应用前景[J];机械设计;1994年03期

4 丁锋;何正嘉;訾艳阳;陈雪锋;曹宏瑞;谭继勇;;基于设备状态振动特征的比例故障率模型可靠性评估[J];机械工程学报;2009年12期

5 郝樊华,胡广春,刘素萍,龚建,向永春,黄瑞良,师学明,伍钧;钚体源样品γ能谱计算的蒙特卡罗方法[J];物理学报;2005年08期

6 徐妙华;梁天骄;张杰;;利用韧致辐射诊断激光等离子体相互作用产生的超热电子[J];物理学报;2006年05期

7 王崇杰;包东敏;程松;张爱莲;;核材料γ能谱指纹模糊识别机理研究[J];物理学报;2008年09期

8 侯泉文;曹炳阳;过增元;;碳纳米管的热导率:从弹道到扩散输运[J];物理学报;2009年11期

9 赵鸿飞;杜磊;何亮;包军林;;硅单结晶体管γ射线辐照电阻变化规律研究[J];物理学报;2011年02期

10 张二峰;戴宏毅;;光的偏振对热光关联成像的影响[J];物理学报;2011年06期

【相似文献】

相关期刊论文 前10条

1 缪国生,景敏卿,周健,姚智刚,陈锦玲;机电设备振动数据转换平台的设计与实现[J];机械制造;2003年12期

2 韩中合;海旷儒;朱霄~d;;3种预测模型在振动数据预测中的对比研究[J];汽轮机技术;2013年03期

3 陈春良,高连华,罗健华;智能化便携式振动数据采集处理器的设计[J];测试技术学报;1994年S1期

4 高潮;陈立;郭永彩;;一种用于振动数据采集的AGC设计[J];重庆大学学报;2010年01期

5 Margery Conner;;用Slam Stick评估应用的能量采集振动数据[J];电子设计技术;2012年01期

6 刘自然;甄守乐;颜丙生;余玉西;何园园;;基于TDMS的海量振动数据快速存储和查询虚拟系统[J];组合机床与自动化加工技术;2013年09期

7 许加兵;振动数据采集分析装置中的DSP系统的开发[J];仪器仪表学报;2001年S2期

8 杨晓红;杨晓静;朱霄s，

本文编号：1666645