基于压缩感知的滚动轴承故障信号提取技术研究

• 作者: 李沐阳 苑宇
• 来源期刊: 大连交通大学学报
• 关键词: 压缩感知 神经网络 故障检测 滚动轴承
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 机械工程|Mechanical Engineering
• 页码范围: 21-26
• 页数: 6页
• 语种: 中文
• DOI: 10.13291/j.cnki.djdxac.2021.03.005

摘要

针对目前奈奎斯特采样方式对信号进行采集所产生的数据量较大的问题,提出一种基于压缩感知并结合神经网络的滚动轴承故障信号检测方法,通过K-奇异值分解算法构造冗余字典,利用神经网络以映射后观测矩阵的前一部分值预测全部观测值,实现信号的二次压缩,最终利用子空间追踪算法基于预测出的观测矩阵对信号进行重构,通过重构信号频谱可获得轴承故障信息.经过对测量矩阵、算法参数及神经网络等内容的分析,可在较少的数据量下以较高精度实现对滚动轴承故障信息的提取,并通过仿真对比实验证明了方法的有效性,在总压缩比为0.72～0.92时,此方法能够保证信号匹配度约为0.83,明显优于传统方法,且对于轴承内圈、外圈和滚动体故障信号皆有较好的重构效果.