基于K-奇异值分解字典学习的振动信号压缩感知方法

• 作者: 何天远 吴鲁明 王万仁 邢亚航 郝如江
• 来源期刊: 济南大学学报（自然科学版）
• 学科: 工学
• 关键词: 齿轮箱 故障诊断 K-奇异值分解 压缩感知
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 机械工程
• 页码范围: 52-56,68
• 页数: 6页
• 分类号: TP277
• 字数: 3588字
• 语种: 中文
• DOI: 10.13349/j.cnki.jdxbn.2020.01.009

摘要

针对在齿轮箱的状态监测和故障诊断过程中传统的奈奎斯特采样定律采集到的振动信号数据量过大的问题,提出基于K-奇异值分解(K-SVD)字典学习的振动信号压缩感知(CS)方法,以实现对振动信号的高效压缩采样;在实验中分别将基于K-SVD训练生成的2种字典和离散余弦变换(DCT)固定字典用于信号的重构,并对其结果进行对比分析.实验结果表明,在相同压缩率时,与DCT固定字典相比,本文中所提出的方法能有效地提高重构信号的相似度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝如江	石家庄铁道大学机械工程学院	43	250	7.0	15.0
2	王万仁		5	0	0.0	0.0
3	何天远	石家庄铁道大学机械工程学院	3	0	0.0	0.0
4	吴鲁明	石家庄铁道大学机械工程学院	3	0	0.0	0.0
5	邢亚航	石家庄铁道大学机械工程学院	3	0	0.0	0.0