【摘 要】
：
旋转机械复杂的工作环境使得设备的在线监测成为必需.但信号的香农采样定理要求采样频率必须大于信号中最高频率的两倍,不仅导致采集的信号冗余度很大,而且给信号的采集和存储带来了很大的压力.压缩感知理论的提出使得这一问题的解决成为可能,它利用信号的稀疏性,可以通过较低的采样频率实现信号重构.然而,压缩感知理论中稀疏度的准确估计仍然是有待解决的问题.采用奇异值分解算法,在奇异值分解系数近似服从正态分布的假设
【机 构】
：
北京化工大学机电工程学院,北京100029
【出 处】
：
2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016
论文部分内容阅读
旋转机械复杂的工作环境使得设备的在线监测成为必需.但信号的香农采样定理要求采样频率必须大于信号中最高频率的两倍,不仅导致采集的信号冗余度很大,而且给信号的采集和存储带来了很大的压力.压缩感知理论的提出使得这一问题的解决成为可能,它利用信号的稀疏性,可以通过较低的采样频率实现信号重构.然而,压缩感知理论中稀疏度的准确估计仍然是有待解决的问题.采用奇异值分解算法,在奇异值分解系数近似服从正态分布的假设下,基于正态分布曲线标准差与稀疏度存在某种线性关系,提出一种直接通过标准差来估算稀疏度的算法.该算法不但简单、快速,而且误差较低,对压缩感知理论在信号监测中的实际应用有着重要意义.
其他文献
提出用VAR模型和ARMA模型加权的方法对车轴裂纹声的发射信号进行预测.轨道车辆上车轴是连接列车轮对的关键部件,车轴若出现裂纹将是巨大的风险,会造成停机甚至重大事故的发生,给社会经济和安全带来隐患和损失.声发射技术是一种无损检测方法,可以判断材料或者零部件的损伤状态,但对车轴裂纹的预测目前处于起步阶段.VAR和ARMA模型的预测应用广泛,但这两种模型的预测在声发射信号预测中运用较少.采取声发射监测
航天飞行器管路具有长距离、薄壁等特点;其工作在恶劣的力学环境和热环境下,各类管路损伤频繁发生;且管路外部包覆有绝热层,极大地增加了管路损伤检测的难度.因此,常规无损检测方法不能满足飞行器管路损伤检测的苛刻要求.超声导波具有在传播路径上的能量衰减小,传播距离远,可以实现大范围、全方位管路监测的优点,在飞行器管路监测领域具有巨大的潜在应用价值.阐述飞行器管路损伤超声导波评估技术的特点与难点;从超声导波
形态分量分析方法基于信号组成成分的形态差异性,构建合适的过完备字典对信号进行稀疏分解.其优势在于可以提取出包含故障特征的信号分量,故障诊断更加清晰.针对行星齿轮箱局部故障调制信号,通过形态分量分析分离故障特征分量并做包络谱分析,进而诊断行星齿轮箱故障类型.行星轮仿真信号以及故障实验信号的分析结果验证了方法的有效性.
针对轴承的智能诊断,提出了一种基于EWT和SVM的诊断方法.用EWT预先处理振动信号,利用EWT的自适应性,分解得到3个IMF,紧接着对原始振动信号以及3个IMF分量分别提取6个时域特征指标.其次,为了得到对分类灵敏度高的特征分量,选用DET法对得到的特征分量先进行筛选,剔除灵敏度低的特征分量.最后选择SVM作为分类器,通过实验,训练样本建立模型,实现对滚动轴承的正常、滚动体故障、内圈故障、外圈故
针对现有故障诊断大多基于信号处理方法的现状,提出一种基于判别性卷积神经网络的智能特征学习方法并用于感应电机故障诊断.首先利用BP神经网络从已知故障类型的电机振动信号中学习卷积层滤波器权值,使之能够获取具判别性的特征信息.然后构建一个三层卷积神经网络,利用其具有局部连接和保持特征不变性的特点,用配置好权值的滤波器在非监督模式下卷积学习振动信号中所隐含的具判别性的特征信息.最后将学习到的特征加上其标签
当齿轮发生故障时,时变啮合刚度的变化是引起振动响应变化的主要因素,因此啮合刚度的计算对于齿轮故障机理的研究具有重要的意义.然而,目前各种啮合刚度的计算方法都有各自的缺陷,而且没有有效的验证方法.本文基于采用现代测试和优化方法,提出一种齿轮啮合刚度反求计算方法,通过构建齿根动态应力与时变啮合刚度反问题模型,对齿轮啮合刚度进行反求.与其它方法的对比结果表明了方法的有效性,可为齿轮故障机理的研究提供有效
为r准确地提取滚动轴承故障特征,提出了基于变分模式分解和包络分析的滚动轴承故障诊断方法.首先通过变分模式分解将含有复杂背景噪声的多分量信号自适应地分解为一系列本质模式函数;然后利用提出的加权后的相关系数及峭度值作为各本质模式函数的评价指标,优选出富含故障信息的本质模式函数作为敏感分量;最后通过分析敏感分量的包络谱诊断滚动轴承故障.滚动轴承实验信号分析结果表明,该方法不仅可以削弱背景噪声的影响,而且
生成微分方程(GDE)是基于结构特性的一种信号描述方法,可以通过信号的各阶微分函数的非线性组合运算,估计调制信号的幅值包络和频率等信息.针对滚动轴承的故障振动特点,由于生成微分方程方法需信号满足单分量要求,所以先用经验模态分解将信号分解成本质模函数,应用生成微分方程方法计算幅值包络,选择敏感分量通过幅值包络的Fourier频谱提取滚动轴承的故障特征频率.结合滚动轴承的试验振动信号,通过与Hilbe
直齿轮的故障程度大小直接影响其啮合刚度,时变啮合刚度的变化会引起齿轮振动信号的变化,因此建立故障程度、啮合刚度与响应特征之间的映射关系对于齿轮故障机理研究具有重要意义.为了研究啮合刚度与动力学响应特征之间的映射关系,分别计算齿轮在不同裂纹程度下的啮合刚度,并建立6自由度的齿轮传动系统非线性动力学方程,进一步提取齿轮不同裂纹程度下振动信号的故障特征.分别采用神经网络、支持向量机、非线性回归三类预测方
对固定检测器反面选择算法进行了综述,首先回顾了固定检测器反面选择算法的产生与发展,然后以Iris数据集为例进行分析,与其它异常检测方法相比,结果显示,多数情况下,固定检测器反面选择算法具有更好检测性能.基于固定检测器反面选择算法的设备异常度检测方法,是在学习设备正常运行数据的基础上,达到异常检测的目的,不需要设备运行的故障数据,它适合对故障数据缺乏的设备进行有效的异常检测.