基于频域信号的稀疏编码在机械故障诊断中的应用

• 作者: 朱会杰 李立平 李艳峰 王新晴 芮挺
• 来源期刊: 振动与冲击
• 学科: 工学
• 关键词: 故障诊断 特征提取 稀疏编码 K-SVD 字典学习
• 年，卷（期）: 2015,（21）
• 页码范围: 59-64
• 页数: 6页
• 分类号: TN165.3
• 字数: 4590字
• 语种: 中文
• DOI: 10.13465/j.cnki.jvs.2015.21.011

摘要

提出了一种使用稀疏编码对机械频谱信号自学习并识别故障的方法。首先分别对每类频谱信号进行字典学习得到每类信号的字典，然后依次计算测试样本在各个类别的字典上的稀疏重构系数，利用稀疏重构系数与对应类别的字典重构测试样本。最后将重构残差作为识别依据，对机器状态进行判断。通过将振动信号从时域转化到频域，将复杂的移不变稀疏编码问题转化为普通的稀疏编码，并且得益于高效的 K-SVD 字典学习算法，计算效率得到了大幅提高。所提方案直接使用原始频谱信号作为训练集，不仅省去了特征提取过程，而且保留了更丰富的信息。经实验验证，该方案较基于时域的移不变稀疏编码具有更高的计算效率、准确率和稳定性。相对于常规诊断算法，除了有准确率的优势外，不易受负载变化的影响，所需人工干预较少。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新晴	解放军理工大学野战工程学院	72	384	11.0	16.0
2	芮挺	解放军理工大学野战工程学院	66	682	15.0	24.0
3	李艳峰	解放军理工大学野战工程学院	17	96	5.0	9.0
4	朱会杰	解放军理工大学野战工程学院	20	169	7.0	12.0