稀疏度拟合的自适应机械振动信号压缩感知
发布时间：2021-07-11 02:51
针对利用机械振动信号进行设备故障诊断和状态监测过程中,存在采样数据量多、存储容量大、传输带宽高和信号重构精度低等问题,提出一种稀疏度拟合的自适应机械振动信号压缩感知方法。首先,对机械振动信号进行多尺度小波包变换,再将小波包系数按一定阈值进行置零处理并求取其稀疏度;然后,采用迭代方法求取各稀疏度下满足重构信号精度条件的最低采样率,并对信号的稀疏度和采样率采用最小二乘法进行拟合,消除信号测量误差,求取最佳信号采样率;最后,采用K-奇异值分解算法构造与各信号块相适应的过完备字典,并利用正交匹配追踪算法实现信号重构。实验证明,与传统压缩算法相比较,该算法的信号压缩率和重构精度均得到较大提高。
【文章来源】：振动.测试与诊断. 2020,40(05)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
信号CS与重构过程
对机械振动信号采用上述方法进行分段处理，当完成m段信号的稀疏变换后，可以得到一组稀疏度-采样率的数据对集合{ki,fi}，i=1,2，…，m。由于各种测量误差的存在，一些数据对会表现为离散的点。根据信号的惯性特征，这些离散的点往往是由测量误差产生的。为了消除测量误差，采用最小二乘法对这些数据对进行拟合，即在m次线性函数簇P={p1,p1，…，pm}中找到最佳函数h(k,C），使其平方误差和满足实际应用中，在程序的初始化部分对m段振动信号进行稀疏变换，并对m段信号的稀疏度-采样率数据对进行最小二乘拟合，得到一个确定性函数。程序运行时，当有新数据对加入时，直接调用该确定函数对采样率进行优化。并将新数据对加入到数据对序列中，再次进行最小二乘拟合并得到新的确定性函数，当有更新的数据对加入时，再次调用新的确定性函数对采样率进行优化，依次类推。
图3中的3条曲线分别表示在K-VSD过完备字典、DWT过完备字典和DWT正交基3种稀疏方式下的信号重构精度曲线。可以看出，相同n值下，K-VSD过完备字典具有较好的稀疏性能，其信号重构精度较高，DWT过完备字典次之，DWT正交基最低，这一结果比较明显地反应了3种稀疏变换方式下信号的稀疏度与信号重构精度有关。另外，当n=300时，3种稀疏方式下的重构精度均较高，且长度为300的采样点能够反映振动信号的周期性变化，所以后面的几项实验中的n均取300。实验2分别取n=300,L=14,J=10,N=1 100，当字典的原子数量K从500～800变化时，信号的重构精度曲线如图4所示。
【参考文献】：
期刊论文
[1]基于自适应最优Morlet小波的滚动轴承故障诊断[J]. 祝小彦,王永杰,张钰淇,袁婧怡. 振动.测试与诊断. 2018(05)
[2]Heterogeneous parallel computing accelerated iterative subpixel digital image correlation[J]. HUANG JianWen,ZHANG LingQi,JIANG ZhenYu,DONG ShouBin,CHEN Wei,LIU YiPing,LIU ZeJia,ZHOU LiCheng,TANG LiQun. Science China（Technological Sciences）. 2018(01)
[3]基于改进m序列的压缩采样观测矩阵设计[J]. 崔兴梅,吴键,徐云鹏. 振动.测试与诊断. 2017(06)
[4]基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法[J]. 郭俊锋,石斌,魏兴春,李海燕,王智明. 机械工程学报. 2018(07)
[5]相空间稀疏化的信号压缩感知与重构方法[J]. 温广瑞,栾日维,任延晖,马再超. 振动.测试与诊断. 2017(02)
[6]基于模糊粗糙集和SVM的航空发动机故障诊断[J]. 曹愈远,张建,李艳军,张丽娜. 振动.测试与诊断. 2017(01)
[7]基于稀疏分解的振动信号数据压缩算法[J]. 王强,张培林,王怀光,吴定海,张云强. 仪器仪表学报. 2016(11)
[8]基于判别稀疏编码的轴承故障诊断方法[J]. 王鹏飞,王新晴,曹蕾,王云龙,李艳峰. 仪表技术与传感器. 2016(08)
[9]基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构[J]. 吴建宁,徐海东,王珏. 电子与信息学报. 2016(07)
[10]基于字典学习的轴承早期故障稀疏特征提取[J]. 余发军,周凤星,严保康. 振动与冲击. 2016(06)
本文编号：3277179
【文章来源】：振动.测试与诊断. 2020,40(05)北大核心EICSCD
【文章页数】：8 页
【部分图文】：
信号CS与重构过程
对机械振动信号采用上述方法进行分段处理，当完成m段信号的稀疏变换后，可以得到一组稀疏度-采样率的数据对集合{ki,fi}，i=1,2，…，m。由于各种测量误差的存在，一些数据对会表现为离散的点。根据信号的惯性特征，这些离散的点往往是由测量误差产生的。为了消除测量误差，采用最小二乘法对这些数据对进行拟合，即在m次线性函数簇P={p1,p1，…，pm}中找到最佳函数h(k,C），使其平方误差和满足实际应用中，在程序的初始化部分对m段振动信号进行稀疏变换，并对m段信号的稀疏度-采样率数据对进行最小二乘拟合，得到一个确定性函数。程序运行时，当有新数据对加入时，直接调用该确定函数对采样率进行优化。并将新数据对加入到数据对序列中，再次进行最小二乘拟合并得到新的确定性函数，当有更新的数据对加入时，再次调用新的确定性函数对采样率进行优化，依次类推。
图3中的3条曲线分别表示在K-VSD过完备字典、DWT过完备字典和DWT正交基3种稀疏方式下的信号重构精度曲线。可以看出，相同n值下，K-VSD过完备字典具有较好的稀疏性能，其信号重构精度较高，DWT过完备字典次之，DWT正交基最低，这一结果比较明显地反应了3种稀疏变换方式下信号的稀疏度与信号重构精度有关。另外，当n=300时，3种稀疏方式下的重构精度均较高，且长度为300的采样点能够反映振动信号的周期性变化，所以后面的几项实验中的n均取300。实验2分别取n=300,L=14,J=10,N=1 100，当字典的原子数量K从500～800变化时，信号的重构精度曲线如图4所示。
【参考文献】：
期刊论文
[1]基于自适应最优Morlet小波的滚动轴承故障诊断[J]. 祝小彦,王永杰,张钰淇,袁婧怡. 振动.测试与诊断. 2018(05)
[2]Heterogeneous parallel computing accelerated iterative subpixel digital image correlation[J]. HUANG JianWen,ZHANG LingQi,JIANG ZhenYu,DONG ShouBin,CHEN Wei,LIU YiPing,LIU ZeJia,ZHOU LiCheng,TANG LiQun. Science China（Technological Sciences）. 2018(01)
[3]基于改进m序列的压缩采样观测矩阵设计[J]. 崔兴梅,吴键,徐云鹏. 振动.测试与诊断. 2017(06)
[4]基于K-SVD字典学习算法的稀疏表示振动信号压缩测量重构方法[J]. 郭俊锋,石斌,魏兴春,李海燕,王智明. 机械工程学报. 2018(07)
[5]相空间稀疏化的信号压缩感知与重构方法[J]. 温广瑞,栾日维,任延晖,马再超. 振动.测试与诊断. 2017(02)
[6]基于模糊粗糙集和SVM的航空发动机故障诊断[J]. 曹愈远,张建,李艳军,张丽娜. 振动.测试与诊断. 2017(01)
[7]基于稀疏分解的振动信号数据压缩算法[J]. 王强,张培林,王怀光,吴定海,张云强. 仪器仪表学报. 2016(11)
[8]基于判别稀疏编码的轴承故障诊断方法[J]. 王鹏飞,王新晴,曹蕾,王云龙,李艳峰. 仪表技术与传感器. 2016(08)
[9]基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构[J]. 吴建宁,徐海东,王珏. 电子与信息学报. 2016(07)
[10]基于字典学习的轴承早期故障稀疏特征提取[J]. 余发军,周凤星,严保康. 振动与冲击. 2016(06)
本文编号：3277179
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3277179.html
