基于稀疏表示和压缩感知的旋转机械故障识别方法

《基于稀疏表示和压缩感知的旋转机械故障识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于稀疏表示和压缩感知的旋转机械故障识别方法作者姓名杨洪刚工程领域车辆工程校内指导教师丁康教授校外指导教师徐仰汇总工程师所在学院机械与汽车工程学院论文提交日期2018年4月IdentifyingMethodsofRotatingMachineFaultsBasedonSparseRepresentationandCompressiveSensingADissertationSubmittedfortheDegreeofMasterCandidate：YangHonggangSupervisor：Prof.DingK

2、angCTO.XuYanghuiSouthChinaUniversityofTechnologyGuangzhou,China分类号：TN911.7学校代号：10561学号：201521003109华南理工大学硕士学位论文基于稀疏表示和压缩感知的旋转机械故障识别方法作者姓名：杨洪刚指导教师姓名、职称：丁康教授、徐仰汇总工程师申请学位级别：工程硕士工程领域名称：车辆工程论文形式：产品研发工程设计应用研究工程/项目管理调研报告研究方向：车辆振动噪声测控技术及故障诊断论文提交日期：2018年4月12日论文答辩日期：2018年5

3、月22日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：李巍华教授委员：丁康教授、熊锐教授、叶志刚高工、杨志坚副教授摘要齿轮和轴承作为汽车变速器和风电齿轮箱等机械设备的重要组成部分，在复杂多变的工况下极容易发生平稳型故障和冲击型故障，如何快速准确地对故障进行识别和实时监控成为当下热点问题。本文以信号的稀疏性为基础，对信号的稀疏表示和压缩感知的理论及其在故障诊断识别方面的应用做了相关研究。提出了基于K-SVD和滑窗降噪的稀疏表示SWD-KSVD算法，用以诊断滚动轴承冲击型故障。该算法利用稀疏表示中字典训练常用的K

4、-SVD算法对包含冲击的一小段时域信号进行学习并重构该段信号，通过滑窗方式以方差为标准选择出仅包含一个冲击的最优“模式”，再将最优“模式”在整个故障信号上做滑窗内积运算，寻找冲击发生时刻并进行冲击重构，实现滚动轴承故障特征的提取。由于该算法只使用一个本身较短的最优“模式”且进行了最优遴选和相关分析，故对冲击形态的还原度较高，相位还原较精确，提取故障特征的速度较快，抗噪性较强。仿真和实验表明，该算法有效地提取了汽车变速器滚动轴承冲击型故障特征。将自适应惩罚因子算法嵌入到ADMM算法中进行改进，并应用于齿轮冲击型和复合型故障的压缩感知

5、欠采样识别中。该算法结合故障的特点，构造了小波字典和调制谐波字典的双字典体系，分别对平稳调制成分和冲击调制成分进行有效重构，并在此基础上使用外推法使算法加速，嵌入惩罚因子自适应更新算法，使算法的收敛性和稀疏性都得到增强。通过对比不同重构算法的重构误差和ADMM算法改进前后的重构成功率，表明该算法采用的小波字典对冲击型故障较为敏感且对故障特征频率还原较为准确，平稳型谐波字典凭借其明确的物理意义也能有效地表示出信号特征；双字典在提取故障特征时由于出现耦合的现象，加之噪声的影响，导致重构的精确度不如单字典冲击型故障的ADMM算法。仿真表

6、明单字典算法在10%的压缩率和噪比为-5dB以上、双典在20%的压缩率且信噪比为0dB以上时均能有效识别故障；实验表明单字典和双字典算法分别能够在10%和20%的压缩率下有效识别故障。关键词：K-SVD；滑窗；ADMM；滚动轴承；齿轮；复合故障；稀疏表示；压缩感知IAbstractAsimportantcomponentsofautomobilegearboxesandwindturbines,gearsandrollingbearingsareinclinedtobeinfluencedbyimpactfaultsandstab

7、lefaultsundercomplexandchangingrunningconditions.Ithasbeenapopulartopictoidentify,diagnoseandmonitorthefaultsinrealtimebothquicklyandprecisely.Basedonthesparsityoffaultsignal,aseriesofresearchesareimplementedinfieldsofCompressiveSensingandSparseRepresentation.AnewSWD-

8、KSVDalgorithmbasedonK-SVDandslidingwindowdenoisingmethodisproposedtodiagnosetherollingbearingimpactfault.Thealgorithmusesonl