收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于信号稀疏表示的电机故障诊断研究

王亚宁  
【摘要】:本文以河北省教育厅青年基金项目“基于形态分量分析的信号处理关键技术及应用研究”(课题编号:Q2012051)为研究课题,以信号稀疏表示作为主要研究工具,以电机轴承故障诊断为研究目标,提出了基于信号稀疏表示技术的电机轴承故障诊断方法,并进行了计算机仿真和实验研究。本文的主要研究成果将为机电设备信号处理与故障诊断开辟了一条新的途径。研究的主要内容及创新成果如下:1.系统阐述了信号稀疏表示的相关理论。从理论分析和工程应用的角度出发,系统论述了信号稀疏表示的相关理论和方法,并用仿真信号对信号稀疏表示的信号降噪、信号分离、构造时频分布等性能进行了分析,为电机轴承故障诊断的特征提取和分析,提供了可靠的理论依据和有效的研究方法。2.提出了基于形态分量分析(MCA)的电机轴承故障诊断方法。充分利用信号组成成分的形态差异性,不同的信号分量可以用不同的字典稀疏表示,把源信号分解成若干个形态各异的稀疏信号,从而能够在频域、时频域内清晰、直观地识别故障轴承的特征信息,为电机轴承故障诊断提供了一种有效的分析方法。3.提出了基于有理尺度离散小波变换字典MCA的轴承故障诊断方法。将有理尺度离散小波变换和形态分量分析相结合,根据电机轴承故障振动信号的结构特征,在进行信号处理时,合理选择有理尺度离散小波变换的品质因子,分别构造低品质因子和高品质因子小波字典,就可以将低振荡次数的信号(如脉冲等)和持续振荡的信号(如简谐正弦波等)有效分离,能够直接提取故障轴承的特征信息,因此,为电机轴承故障诊断提供了一种有效的分析工具。4.提出了基于有理小波变换字典BP的电机轴承故障诊断方法。将有理尺度离散小波变换和基追踪方法相结合,在基追踪信号稀疏表示过程中,根据电机轴承故障振动信号的结构特征,选择适当品质因子和冗余度的小波,构建基于有理尺度离散小波变换字典,以匹配信号中感兴趣的信号分量。通过实测振动信号的分析表明,基于有理小波变换字典BP的电机轴承故障诊断方法,能准确地判断轴承故障的类型和部位,并能有效提取轴承故障特征信息。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
2 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
3 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
4 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
5 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
6 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
7 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
8 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
9 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
10 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
11 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
12 王琦;田宝凤;张健;蒋川东;;基于稀疏表示的地面磁共振信号提取方法[J];地球物理学报;2018年08期
13 王国栋;阳建宏;黎敏;徐金梧;;基于自适应稀疏表示的宽带噪声去除算法[J];仪器仪表学报;2011年08期
14 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
15 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
16 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
17 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
18 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2015年
2 孔波;基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究[D];南昌大学;2019年
3 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
4 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
5 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
6 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
7 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
8 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
9 王晓阳;基于稀疏动态反演的红外弱小目标检测理论及方法研究[D];电子科技大学;2018年
10 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
中国硕士学位论文全文数据库 前10条
1 尚倩;基于局部竞争机制的图像稀疏表示方法研究[D];燕山大学;2010年
2 刘丹;基于稀疏表示的高光谱图像分类算法研究[D];湖南大学;2016年
3 危磊;基于稀疏表示的人脸识别的研究及应用[D];湖南大学;2016年
4 李鸣飞;基于稀疏表示的目标跟踪算法及其CUDA实现[D];华中科技大学;2017年
5 刘晓芬;基于加权核稀疏表示的人脸识别方法研究[D];重庆大学;2018年
6 马文新;基于稀疏表示理论的风速信号波动特征分析[D];天津大学;2018年
7 谢云亮;基于粒子滤波的自适应稀疏追踪[D];湖北大学;2015年
8 郭琳琳;基于稀疏表示的特征自学习算法及其应用研究[D];天津大学;2018年
9 龚忠毅;基于子带自适应稀疏表示的图像压缩感知重构[D];中南民族大学;2018年
10 费博雯;基于局部感知稀疏表示的目标跟踪研究[D];辽宁工程技术大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978