基于壓縮感知的故障檢測與分離方法研究.pdf

1、在傳統(tǒng)香農(nóng)采樣定理的限制下，長期連續(xù)的機(jī)械設(shè)備狀態(tài)監(jiān)測和故障診斷過程中產(chǎn)生了龐大的振動(dòng)信號，增加了信號存儲與傳輸以及故障識別的難度。同時(shí)，多源耦合信號在欠定條件下的分離和故障診斷也顯得尤為困難。因此，本課題將開展振動(dòng)信號稀疏采樣重構(gòu)方法、基于壓縮感知的故障檢測方法以及多源耦合信號的分離與診斷方法研究，主要內(nèi)容如下:
　　(1)開展了振動(dòng)信號稀疏采樣重構(gòu)方法研究。首先研究了基于壓縮感知的振動(dòng)信號重構(gòu)方法，分析了該方法應(yīng)用的條件，探討

2、了振動(dòng)信號在不同字典下的可稀疏性，實(shí)現(xiàn)了振動(dòng)信號的重構(gòu)，緩解了數(shù)據(jù)存儲與傳輸?shù)膲毫Α４送?，針對振?dòng)信號稀疏度不足且難以確定的問題，開展了基于塊稀疏貝葉斯學(xué)習(xí)的振動(dòng)信號重構(gòu)方法研究，利用概率統(tǒng)計(jì)知識在不考慮稀疏度的條件下重構(gòu)信號，解決了由于振動(dòng)信號不稀疏特性給重構(gòu)帶來的不確定性問題。
　　(2)構(gòu)建了基于壓縮感知的故障檢測策略，分析了傅里葉字典下諧波信號的稀疏情況，建立了基于諧波檢測的特征間接提取方法。為了解決振動(dòng)信號的長度過長導(dǎo)致

3、稀疏矩陣難以構(gòu)造的問題，提出了基于特征參數(shù)波形的故障多重壓縮檢測方法。通過構(gòu)造特征參數(shù)波形，在縮短振動(dòng)信號長度的同時(shí)保留了足夠的故障信息用于診斷，并通過檢測諧波信號的方法實(shí)現(xiàn)了故障特征的間接提取。針對噪聲加劇振動(dòng)信號不稀疏特性以及影響故障特征提取的問題，開展了基于可調(diào)變因子小波變換的故障檢測方法研究。深入分析了可調(diào)變因子小波變換的降噪能力和稀疏促進(jìn)能力，通過快速譜峭度方法確定了Q因子，分別匹配出干擾成分和沖擊信號，降噪的同時(shí)促進(jìn)了振動(dòng)信

4、號的稀疏度，提高了諧波檢測的成功率。
　　(3)開展了基于壓縮感知的多源耦合信號分離與檢測方法研究，對比了壓縮感知理論和盲源分離方法的數(shù)學(xué)模型，建立了盲源分離欠定方程稀疏促進(jìn)優(yōu)化求解方法。通過勢函數(shù)方法確定了源信號的個(gè)數(shù)，并應(yīng)用K-means方法估計(jì)混合矩陣，通過矩陣變換獲得測量矩陣，采用優(yōu)化重構(gòu)方法實(shí)現(xiàn)了源信號的分離。為提高診斷效率，發(fā)展了基于壓縮感知的多源耦合信號分離與故障同步檢測方法，結(jié)合諧波檢測方法，在無需完全重構(gòu)源信號的