采用非相关字典学习的滚动轴承故障诊断方法

• 作者: 孙若斌 张志强 徐冠基 杨志勃 陈雪峰
• 来源期刊: 西安交通大学学报
• 关键词: 稀疏表示 非相关字典学习 特征提取 故障诊断
• 年，卷（期）: 2019,（6）
• 页码范围: 29-34
• 页数: 6页
• 分类号: TH212|TH213.3
• 语种: 中文
• DOI: 10.7652/xjtuxb201906005

摘要

针对轴承振动信号中早期故障特征难以识别的问题,提出了利用非相关字典学习稀疏提取微弱冲击特征,进而完成故障诊断的方法.字典的构造是影响稀疏表示算法性能的关键步骤,而传统字典学习方法构造的冗余字典,原子之间具有很强的相关性,不足以表现信号不同的结构特性,也不利于信号准确稀疏重构,进而影响了冲击故障特征信号的提取.因此,在K均值奇异值分解算法(K-SVD)的基础上加入了原子解相关的步骤,形成了非相关字典学习算法(INK-SVD).采用INK-SVD算法在含噪振动信号段样本中,学习构造低相关性自适应字典;在此基础上,利用稀疏表示方法准确提取冲击故障特征,从而实现更准确的轴承故障诊断.通过仿真分析及实验数据分析,与传统字典学习方法相比,该方法稀疏系数恢复精确度更高,重构信号的包络解调谱更有利于故障特征的辨识,从而验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈雪峰	西安交通大学机械工程学院	101	2400	23.0	47.0
2	徐冠基		6	7	2.0	2.0
3	张志强		8	13	1.0	3.0
4	杨志勃	西安交通大学机械工程学院	5	20	1.0	4.0
5	孙若斌	西安交通大学机械工程学院	2	19	1.0	2.0