基于压缩感知的滚动轴承故障信号提取技术研究

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴承故障信息.经过对测量矩阵、算法参数及神经网络等内容的分析,可在较少的数据量下以较高精度实现对滚动轴承故障信息的提取,并通过仿真对比实验证明了方法的有效性,在总压缩比为0.72～0.92时,此方法能够保证信号匹配度约为0.83,明显优于传统方法,且对于轴承内圈、外圈和滚动体故障信号皆有较好的重构效果.     

基于TQWT和稀疏表示的滚动轴承故障诊断方法

基于稀疏表示理论,提出了一种采用可调品质因子小波变换(TQWT)的滚动轴承故障诊断新方法,分析了包含早期故障成分的原始采集振动信号的特点和早期故障信号的特性,研究了稀疏表示模型在解决故障特征提取问题和故障类型识别问题的应用;运用TQWT将原始信号转换为一组子带小波系数集,研究了利用迭代收缩阈值算法提取出稀疏小波系数的有效性和谱峭度对故障冲击信号敏感的特性,通过计算各子带信号分量的谱峭度,选取包含故障信息明显的子带小波系数,建立了包含稀疏故障信号分量的故障特征提取方法;利用提取出的故障信号稀疏表示分类模型,实现了基于稀疏表示的滚动轴承故障诊断方法。试验结果表明:在凯斯西储数据集上,提出的故障特征提取方法在剔除干扰成分方面有显著效果,提出方法对于4种类型数据的平均诊断准确率为99.83%,对于10种类型数据的平均诊断准确率为97.73%;与只运用TQWT和迭代收缩阈值算法进行故障特征提取的方法相比,故障诊断精度提高了11.60%,算法运行时间减小8%;在QPZZ-Ⅱ旋转机械平台采集到的振动数据集上,提出的方法对于4种类型数据的平均诊断准确率为100%;与传统小波去噪方法相比,准确率提高了35.67%,算法运行时间减小了7.25%。可见,本文提出的方法可以有效解决滚动轴承故障诊断问题。      

一种基于盲运算的1比特压缩感知重建算法

为了解决1比特压缩感知中符号匹配追踪算法(matching sign pursuit)在稀疏度未知的情况下不能自适应重构信号的问题,提出了向前/向后迭代符号匹配追踪算法(forward-backward matching sign pursuit, FBMSP).该算法以逐步逼近理论为核心,通过逐步扩大支撑集来扩大搜索范围,把相邻两次迭代的差值作为终止条件,在MSP算法模型下进行盲运算,以实现信号的重构.数值试验表明:在控制迭代系数=8,=1的情况下,FBMSP算法比传统的符号匹配追踪算法重构精度提高了3 dB,运算时间减少了40%.      

基于压缩传感的交通流量数据压缩方法

为准确获得用于数据压缩的变换矩阵,引入了基于压缩传感的交通流量数据压缩方法,在数据压缩端无需考虑变换矩阵的选择问题,直接通过高斯投影实现高效数据压缩。首先验证了交通流量数据在经过K-SVD方法训练过的字典上能够实现稀疏表达;然后在数据压缩端,通过具有限制性等距条件的随机矩阵将原始高维数据投影到低维空间上,实现数据的高效快速压缩;最后在数据传输后,通过凸优化算法在交通信息处理端完成数据解压缩。以美国某高速公路线圈传感器采集到的交通流量数据,对本文方法进行了验证。试验证明:该方法能够实现快速高效的压缩编码,当压缩比为4∶1时,解压缩相对误差仅为0.060 8。     

��������С���任��GPS��̬�˲����㷨

针对应用卡尔曼滤波器进行车辆GPS导航信号的动态滤波时难以建立精确的数学模型以及传统小波变换在实时性方面存在不足,提出了基于提升小波变换的GPS动态滤波新算法.该算法采用提升小波变换对车辆GPS导航信号进行分解;用3σ准则和多项式插值方法对各层提升小波变换系数进行粗差探测与数据修复;采用模平方软阈值去噪算法对各层提升小波变换系数进行去噪;最后进行提升小波逆变换,从而实现车辆GPS导航信号的动态滤波。仿真实验结果表明,该算法的导航定位精度优于卡尔曼滤波算法;虽然在导航定位精度方面稍比传统小波变换算法的性能高,但比传统小波变换算法速度快一倍;显然该算法对车辆GPS导航系统是有效的.     

基于Curvelet变换阈值法的地震数据插值和去噪

成功的信号分离和去噪依赖于所用的变换能否足够稀疏地表达该类信号.事实上,信号在某变换域的系数越稀疏,阈值去噪的效果也就越好.Curvelet变换是一种非自适应的多尺度.多方向性变换,地震数据在Curvelet域有着几乎最优的稀疏表达.最近的研究表明,Curvelet阈值能够得到比小波阈值更好的随机噪声抑制效果,更高的提...     

非平稳信号自适应最大信噪比盲源分离方法

为了提高时变非平稳信号的盲源分离效果,提出了自适应最大信噪比盲源分离新方法.该方法以信噪比函数作为代价函数,并基于改进的多项式系数自回归模型,进行最优滑窗长度的自适应估计.仿真计算表明,FastICA算法需要预设源信号的概率密度函数,以选择适宜的非线性函数近似估计源信号的非高斯性,当假设的概率密度函数与实际不符时无法正确分离源信号;累积量算法在信源的峰度相同时无法正确分离源信号.新方法与经典的FastICA算法和基于累积量的盲源分离算法比较结果表明,对于经典的FastICA算法、累积量算法无法正确分离的时变非平稳信号,新方法能够有效地进行盲源分离,分离结果不受源信号的概率分布、信源的峰度等统计因素影响.      

基于STFD和PARAFAC的欠定盲源分离信源个数估计算法

为更精确地进行欠定混合条件下的信源个数估计,提出了一种基于空间时频分布（STFP）与平行因子分析（PARAFAC）的欠定盲源分离信源个数估计算法.该算法从空间时频分布矩阵中选择符合单源时频支撑域的时频点构成1个3阶张量,然后由核连续诊断算法计算因子数量,估计出信源个数,并对3阶张量平行因子低秩分解的惟一性条件进行了分析.该算法不需要假设源信号必须满足稀疏性和独立性条件,也不要求其满足高斯分布条件.在计算机仿真实验中,当信噪比为-5 dB时,识别正确率提高18 dB,证明了改进算法的有效性.      

基于秩最小化矩阵去噪的船舶轨迹重构方法

针对船舶自动识别系统(Automatic Identification System，AIS)在实际应用中存在错误数据频发、数据丢包等问题，本文提出一种基于秩最小化矩阵去噪的船舶轨迹重构方法，利用去噪实现轨迹重构，同时，实现对轨迹的去噪和缺失补全。该方法通过线性插值实现经度对齐，将轨迹数据转化为轨迹矩阵，从而补全轨迹中的缺失值。由于补全结果存在非常大的误差，因此，引入 PLR(Patch-Based Low-Rank Minimization)算法去噪，消除误差。同时，为进一步提升补全效果，通 过2D-VMD(Two-Dimensional Variational Mode Decomposition)算法将矩阵分解为不同频率的IMF (Intrinsic Mode Function)，并分别进行PLR去噪，合并去噪结果，得到最终重构后轨迹。本文以长江武汉段水域船舶AIS轨迹为研究对象，通过实验证明该方法在不同缺失比例以及随机缺失和连续缺失两种情境下具有鲁棒性和较强的稳定性；并与 HALRTC(High-Accuracy Low-Rank Tensor Completion)、TRMF(Temporal Regularized Matrix Factorization)等方法进行比较，结果表明， 该方法相较于HALRTC等方法具有更高的精度，并在高损失率下表现出较好的重构效果。     

基于自适应压缩感知的分簇式网络数据收集

分簇式传感器网络中基于混合压缩感知的数据收集方法可以有效减少数据传输量并均衡网络负载.但是,固定采样率因不能考虑信号的稀疏度在时间和空间上的变化,导致低采样率难以保证信号的重构质量,而高采样率又会造成资源浪费.针对此问题,基于数据线性程度分析提出了一种采样率自适应调整的分簇式网络数据收集方法.首先,Sink节点以簇为单位分析当前采样时刻与上一采样时刻重构数据的线性程度,以掌握数据变化趋势;然后,根据分析结果计算网络在下一采样时刻所需采样率及簇头节点所需观测值维数;最后利用数据传输树实现对簇头节点观测数目的自适应调节.仿真结果表明,与基于固定采样率的网络数据收集方法相比,该方法能够在增加少量反馈观测值维数所需的数据传输量的情况下有效提高压缩数据的重构精度.     

典型时频分析技术在故障诊断中的应用

针对旋转机械发生故障时振动信号的不平稳性,利用典型时频分析技术对故障特征进行提取分析。该方法利用信号构造矩阵,再根据典型时频分析技术的变换特性,均值化时频分布参数,然后重构信号以实现降噪。仿真和试验结果表明,该方法能有效地提取故障特征信息,在机械故障诊断领域有广泛应用前景。     

车辆传动系统变参小波流形融合故障诊断方法

应用流形学习方法非线性融合信号在不同小波参数下中央尺度对应的小波包络,研究了强背景噪声下车辆传动系统振动信号故障瞬态脉冲包络的有效提取问题,并与传统信号时频分解方法进行了对比研究;采用不同小波参数对振动信号进行连续小波变换,提取了每组参数下中央尺度上的小波包络;采用基尼指数选择若干包含故障瞬态脉冲信息的小波包络,构造了高维小波包络矩阵;采用局部切空间排列算法对高维小波包络进行流形融合,获得了反映故障瞬态脉冲包络本质结构的小波包络流形;为了验证所提方法的有效性和优越性,采用不同方法对轨道车辆轮对轴承和汽车变速齿轮箱的故障振动信号进行了对比分析。研究结果表明:在分析轴承外圈故障信号时,所提方法基尼指数比传统信号时频分解方法提高27.32%以上;在分析齿轮磨损故障信号时,所提方法基尼指数比传统信号时频分解方法提高26.74%以上。可见,所提方法通过综合具有不同形态的变参小波包络,可以在无需优化小波参数情况下,对车辆传动系统中的不同关键部件故障振动信号具有较好的自适应性,提取的故障脉冲包络中的带内噪声少,故障脉冲特性明显,容易识别其频谱中的故障特征频率,是检测车辆传动系统故障的一种有效方法。      

柴油机振动信号二阶循环平稳特性分析

柴油机等往复机械的振动信号具有较强的循环平稳特性.分析了循环平稳的统计特性,基于调幅信号模型分析了仿真信号的自相关函数和谱相关密度函数的特性,指出如何识别信号的循环平稳特性,分析了柴油机实测振动信号的二阶循环平稳特性,得到了柴油机振动信号循环频率的特性.结果表明,柴油机的振动信号具有二阶循环平稳特性,且循环频率与柴油机转频有关.     

小波包-神经网络在摆式列车倾摆控制系统故障诊断中的应用

针对摆式列车倾摆控制系统故障的特点，研究了神经网络结合小波包分析进行故障诊断的方法，采用小波包分解和信号重构的方法，将在摆式列车试验台上采集到的振动信号分解到不同的频带以提取有关的故障信息，并将振动信号各频带内的能量特征作为训练样本输入前向神经网络，用优于改进梯度下降法的Levenberg—Marquardt优化方法对网络进行训练，对倾摆控制系统的常见故障进行识别和诊断。实践表明，该方法对摆式列车倾摆系统故障的诊断是可靠的。     

基于神经网络方法的柴油机气缸压力识别

分析了柴油机气缸盖系统激励和响应信号的非线性特性,阐述了基于BP神经网络的柴油机气缸压力识别方法.对测试的振动响应信号进行时域统计平均和低通滤波后,训练BP神经网络,利用自适应梯度下降算法,自适应调节学习速率,提高网络精度,识别柴油机气缸压力.结果表明,恢复出来的缸内压力信号和实测信号十分接近,该方法对柴油机的实时在线控制、监测和故障诊断有重要的应用价值.     

B＆K2033A信号分析仪的联机开发及汽车齿轮箱的故障诊断

将丹麦B&K2033A信号分析仪与IBM-PC微型计算机联接,建立了一套强功能实时信号分析系统,并应用此系统对沈阳汽车齿轮厂的金杯牌面包车齿轮减速箱进行了噪声、振动测试及信号分析,提出了相应的减振降噪措施及改进生产工艺的可行性方案。     

多约束燃料棒自由振动特性

为开发用于核燃料设计的流致振动计算程序，基于梁理论和势流理论，建立了多约束燃料棒振动问题理论分析方法. 首先通过多跨连续梁理论，得到了多约束燃料棒在空气中振动控制方程和干模态下总体刚度矩阵和质量矩阵；然后通过势流理论，考虑了流体轴流和边界条件的影响，给出了湿模态下附加质量矩阵；最后以压水堆燃料棒为例，得到了燃料棒在干模态和湿模态下自由振动固有频率和振型的理论分析结果，并研究了弹簧刚度和附加质量系数对振动固有频率的影响. 研究结果表明:通过理论分析方法所得计算结果与有限元软件ANSYS计算结果相一致；燃料棒在堆芯中结构为棒束形式，且周围为高速流动流体，振动频率及振型受到流体轴流和周边相邻燃料棒的边界效应影响，但由于多约束作用，流体轴流和边界效应仅影响了振动固有频率，而对振型基本没有影响；拉压和扭转弹簧刚度越大，燃料棒振动频率越高，增加扭转弹簧刚度可使第1阶固有频率增加79.1%，附加质量系数越高，燃料棒振动频率越低，可使第1阶固有频率降低18.2%，通过优化刚度方法可得到理想的振动特性，为格架设计提供参考.      

基于变分模态分解和奇异值分解的结构模态参数识别方法

为了准确获得结构的固有频率、阻尼比与振型, 将变分模态分解与奇异值分解相结合, 提出一种新的结构模态参数识别方法; 基于已有时频参数识别方法, 根据测量的脉冲激励与加速度响应估计系统的频响函数, 对系统的频响函数进行反傅里叶变换得到脉冲响应函数; 对各测点的脉冲响应函数进行变分模态分解, 得到与结构固有频率对应的本征模态分量; 提取本征模态分量的固有频率, 利用与固有频率相近的本征模态分量作为行向量构造奇异值分解矩阵, 对所构矩阵做奇异值分解, 利用最大奇异值重构左、右奇异值向量, 识别结构的振型、固有频率和阻尼比; 通过四自由度质量-弹簧-阻尼模态仿真试验和车体横梁锤击模态试验, 验证了所提出的模态参数识别方法的有效性。研究结果表明: 在四自由度理论模型参数识别中, 系统固有频率和阻尼比的识别结果与理论计算结果的最大相对误差分别不超过0.025%和1.490%, 理论计算与识别的1~4阶振型的模态置信度分别为0.999、1.000、0.999和0.999;在车体横梁锤击模态试验中, 提出方法识别的固有频率和阻尼比与理论计算结果的最大相对误差分别不超过1.57%和1.47%, 且车体横梁的理论振型与识别振型趋势相同。可见, 提出的方法能有效识别结构的模态参数。