10.19665/j.issn1001-2400.2019.04.011
数据驱动的GMC稀疏增强诊断方法
在机械故障诊断中,针对传统方法提取微弱故障特征时易受强背景噪声干扰而精度低的问题,提出了一种基于数据驱动的广义最小最大凹惩罚函数增强的稀疏特征提取方法.该方法利用非凸的最小最大凹惩罚函数建立无约束优化问题目标函数来提高故障特征的提取精度.该惩罚函数非凸可加强特征的稀疏性,并且证明了保持目标函数整体呈现严格凸性所需要满足的约束条件.将近端算法用于所构造的无约束优化问题的求解.此外,研究了数据驱动的正则化参数设置准则,保证所提出的稀疏特征提取方法具有参数自适应性.在仿真信号和实际故障实验中验证了所提出的自适应稀疏增强的特征提取方法,结果表明所提出的方法可以精准地提取出故障特征且效果更稀疏.
机械故障诊断、凹惩罚函数、稀疏增强、参数自适应
46
TH17
国家自然科学基金51805398;陕西省自然科学基础研究计划2018JQ5106;水电机械设备设计与维护湖北省重点实验室三峡大学开放基金2018KJX02,2018KJX03,2018KJX09
2019-08-27（万方平台首次上网日期，不代表论文的发表时间）
共6页
74-79
