改進(jìn)的原子稀疏分解算法及其在機(jī)械故障診斷中的應(yīng)用研究.pdf

1、基于正交匹配追蹤(Orthogonal Match Pursuit，OMP)的原子稀疏分解算法在數(shù)據(jù)壓縮，圖像處理，信號特征提取等領(lǐng)域有著廣泛的應(yīng)用，但它存在原子庫選取和計算復(fù)雜度過高的問題。原子稀疏分解算法的性能與原子庫的選取密切相關(guān)。此外為了實現(xiàn)信號快速稀疏分解，一方面國內(nèi)外研究者提出了一些快速算法，如遺傳算法，魚群算法等實現(xiàn)信號的稀疏分解，但是這些智能快速算法在搜索過程中存在一定的隨機(jī)性，在某些情況下會影響到信號稀疏分解的效果;另

2、一方面國內(nèi)外研究者結(jié)合壓縮感知理論實現(xiàn)信號的稀疏分解，但也存在著稀疏度如何選取的問題，同時稀疏度選取的好壞對信號的稀疏分解效果有著重大的影響。本文針對上述存在的問題，研究內(nèi)容圍繞實現(xiàn)更有效的基于OMP稀疏分解快速算法開展，具體研究內(nèi)容如下:
　　(1)文中首先詳細(xì)介紹了機(jī)械故障的機(jī)理，接著介紹了機(jī)械故障中常見的軸承和齒輪故障的特點和現(xiàn)有時頻分析方法的不足。然后介紹了原子稀疏分解算法的基本理論，指出了原子稀疏分解算法的特點和存著的問

3、題。最后通過常見的MP算法的應(yīng)用指出原子稀疏分解算法存在原子庫選取和計算量大的問題。針對以上問題，本文進(jìn)行了研究。
　　(2)針對原子稀疏分解過程中原子庫選取的問題，提出一種基于改進(jìn)線性調(diào)頻基函數(shù)的正交匹配追蹤算法。該方法在OMP算法的基礎(chǔ)上采用了改進(jìn)的線性調(diào)頻基函數(shù)作為原子進(jìn)行匹配。數(shù)值仿真計算的結(jié)果表明，該方法相比傳統(tǒng)的原子庫重構(gòu)精度更好，且運算效率更高。
　　(3)針對原子稀疏分解過程中計算量大的問題，提出一種基于量子

4、遺傳優(yōu)化的快速正交匹配追蹤算法。該方法將OMP算法與改進(jìn)的量子遺傳相結(jié)合，利用量子遺傳算法快速求解多參數(shù)全局最優(yōu)解的優(yōu)點，為OMP算法提供高效的原子選取策略，降低了稀疏算法的復(fù)雜度。數(shù)值仿真和實測數(shù)據(jù)計算的結(jié)果表明，該方法相比傳統(tǒng)的OMP算法更具有稀疏性，且運算效率更高。
　　(4)為了更有效的提高原子稀疏分解算法的計算速度，提出了一種基于參數(shù)優(yōu)化的全變分壓縮感知正交匹配追綜算法。該方法在CSOMP算法的基礎(chǔ)上在采用DHT基作為原