机械故障信号的压缩域信源净化与1.5维谱诊断方法
压缩感知技术通过构造满足约束等距性质(restricted isometry property,RIP)的观测矩阵,能够实现数据的有效降维(即压缩测量),但与之相伴的是如何从压缩信号中高质、高效地重构原始信号.为了规避烦琐的重构流程,提出了一种基于压缩域特征辨识的故障诊断方法.在压缩感知的基本框架下,以行阶梯观测矩阵替代主流的高斯随机测量矩阵,实现对原始信号的压缩测量.针对随机噪声对于压缩观测信号的干扰,建立基于最大相关峭度反卷积(maximum correlation kurtosis deconvolution,MCKD)与1.5维谱的微弱故障特征提取方法,即通过MCKD增强压缩信号中的周期冲击成分,剔除传递路径与背景噪声的干扰,进而采用1.5维包络谱提取故障特征频率.结果表明:该方法不但规避了经典压缩感知的复杂重构过程,而且在受到强噪声干扰的条件下,也能获得准确的故障诊断结果.
压缩测量、行阶梯观测矩阵、最大相关峭度反卷积(MCKD)、1.5维谱、微弱故障、特征提取
48
TH165+.3;TH133.33
国家自然科学基金51675009
2022-10-19（万方平台首次上网日期，不代表论文的发表时间）
共9页
1009-1017
