基于压缩信息特征提取的滚动轴承故障诊断方法

被引：51

作者：

孟宗 ^{[1
]}

李晶 ^{[1
]}

龙海峰 ^{[2
]}

潘作舟 ^{[1
]}

机构：

[1] 燕山大学河北省测试计量技术及仪器重点实验室

[2] 北京精密机电控制设备研究所

来源：

中国机械工程 | 2017年 / 28卷 / 07期

关键词：

压缩感知; hadamard矩阵; 特征提取; 故障诊断;

D O I：

暂无

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

压缩感知作为一种新型压缩采样方法,利用信号稀疏特性以远低于奈奎斯特采样定理的采样速率压缩采集信号,减小数据采集、传输、存储的硬件压力。基于压缩感知框架下压缩采集的信号,提出了一种滚动轴承故障诊断新方法。该方法选择部分hadamard矩阵作为测量矩阵,将峭度因子、方差、波形因子作为敏感特征参量,不重构压缩测量量,直接利用压缩采集信息,提取敏感特征,然后通过PSO-SVM算法进行模式识别从而实现故障诊断。研究结果表明,在一定压缩比范围内,利用该方法能够在降低平均采样速率的同时用更少的数据量表现故障特征,实现滚动轴承故障诊断。

引用

页码：806 / 812

页数：7

共 15 条

[1]

The quantum algebra of partial Hadamard matrices.[J].Teo Banica;Adam Skalski.Linear Algebra and Its Applications.2015,

[2]

Extensions of compressed sensing.[J].Yaakov Tsaig;David L. Donoho.Signal Processing.2005, 3

[3]

基于Walsh-Hadamard变换的单像素遥感成像 [J].