基于稀疏表示理論的聲發(fā)射識(shí)別技術(shù)的研究.pdf

1、隨著科技的不斷進(jìn)步，旋轉(zhuǎn)機(jī)械在大型裝備制造、能源、金屬加工及民用工程等產(chǎn)業(yè)中都起著至關(guān)重要的作用。因此對(duì)于旋轉(zhuǎn)機(jī)械的碰磨故障檢測(cè)變得十分重要。而對(duì)旋轉(zhuǎn)機(jī)械的碰磨故障診斷方法中，聲發(fā)射檢測(cè)技術(shù)是一種具有很大發(fā)展?jié)摿Φ姆椒?。但由于聲發(fā)射源多樣性、噪聲干擾強(qiáng)等因素，特征信號(hào)往往難以提取和識(shí)別，因此其在實(shí)際應(yīng)用中還有很大限制。本文針對(duì)以上問題進(jìn)行研究。
　　(1)將稀疏表示引入到聲發(fā)射識(shí)別技術(shù)中，實(shí)驗(yàn)表明稀疏表示可以有效地提高聲發(fā)射識(shí)別系

2、統(tǒng)的性能。
　　(2)利用K-SVD字典學(xué)習(xí)算法的特點(diǎn)，對(duì)碰磨聲發(fā)射信號(hào)進(jìn)行降噪。在訓(xùn)練階段，使用K-SVD算法訓(xùn)練聲發(fā)射信號(hào)的過完備基，然后根據(jù)估計(jì)的噪聲方差利用正交匹配追蹤算法對(duì)含噪碰磨聲發(fā)射信號(hào)在形成的字典上進(jìn)行稀疏分解，從而將聲發(fā)射信號(hào)和噪聲分離。通過實(shí)驗(yàn)仿真表明，基于K-SVD字典學(xué)習(xí)算法的聲發(fā)射降噪算法明顯提高了信噪比。
　　(3)利用MFCC系數(shù)和高斯混合模型構(gòu)建信號(hào)特征是聲發(fā)射識(shí)別的第一步，之后在K-SVD算

3、法的基礎(chǔ)上，介紹了基于D-KSVD的聲發(fā)射識(shí)別系統(tǒng)，字典中加入了判別性來提高識(shí)別率。通過實(shí)驗(yàn)驗(yàn)證了識(shí)別結(jié)果的準(zhǔn)確性，達(dá)到了對(duì)旋轉(zhuǎn)機(jī)械碰磨運(yùn)行的狀態(tài)信息監(jiān)測(cè)和故障診斷的要求。
　　(4)針對(duì)稀疏表示構(gòu)建字典上的缺點(diǎn)，利用Fisher判別字典學(xué)習(xí)算法，通過對(duì)字典施加判別性，構(gòu)造具有區(qū)分性的結(jié)構(gòu)化字典。詳細(xì)說明了Fisher判別字典學(xué)習(xí)算法的字典更新步驟和特性，結(jié)合聲發(fā)射識(shí)別，實(shí)現(xiàn)基于Fisher判別字典學(xué)習(xí)算法的聲發(fā)射識(shí)別系統(tǒng)，并通過