针对用于训练过完备字典的样本集合中信号类型不足会影响到后续分析、分类和识别精度的问题,提出了一种基于过完备字典完整训练样本的滚动轴承振动信号压缩重构方法。该方法首先构造了用于字典学习的样本集合,使其尽可能多地包含各种信号成分;然后从所构造的多信号样本集合中随机选取K个原子作为初始字典,采用K-SVD算法对初始字典进行训练更新得到过完备字典,获得信号在K-SVD过完备字典上的最稀疏表示;最后利用高斯随机测量矩阵对振动信号进行压缩测量,并基于压缩测量数据采用正交匹配追踪(OMP)算法对原始信号进行重构。仿真实验结果表明,不同的训练样本集合对信号的重构精度有着很大的影响,且基于K-SVD过完备字典对信号进行稀疏表示时在较低的采样率下依然有着精确的重构性能。该方法在不丢失原始振动信号主要信息的情况下重构精...

针对目前机械振动信号频带越来越宽,以香农采样定理对其进行采样将会带来海量数据的传输、存储及处理等一系列问题,提出一种基于调制宽带转换器(modulated wideband converter,MWC)的机械振动信号采样方法,可以实现对高频振动信号的低速采样.首先在频域中按照机械振动信号能量的集中程度将其频谱划分为若干数量的频谱片段,然后根据机械振动信号的最高频率、划分谱带数和谱带最大带宽等先验知识设计合理的MWC采样系统参数,最后利用MWC采样系统实现对机械振动信号的低速采样并从欠采样数据中恢复出原始信号.仿真实验表明在不损失振动信息的前提下,该方法可以有效降低后端采样设备的采样速率,并且可以从少量采样数据中实现高概率信号重构.

为解决机械振动信号在压缩感知过程中稀疏过完备学习字典训练时间过长的问题,提出一种快速训练的过完备学习字典学习快速算法。该算法在SGK字典学习算法的稀疏编码阶段使用同步正交匹配追踪法(SOMP)对多列训练样本原子进行同步稀疏编码,提升字典学习速率。首先确定同步稀疏编码原子数m1,然后根据m1对训练样本进行分块并采用SOMP算法对m1列的样本原子进行同步稀疏编码,最后利用最小二乘法对字典原子进行更新。算法进一步提升了SGK字典学习算法的速率,缩短了单次迭代稀疏编码所用时间。仿真实验结果表明,在相同条件下基于字典学习快速算法训练的过完备学习字典的压缩重构性能与K-SVD和SGK算法训练的过完备学习字典几乎相同,但训练字典所用时间明显减少。

传感器信号的充分利用对于设备和零件的状态监测具有重大意义。为了通过采集的多源振动信号得到设备和零件的完备退化信息,提出一种自适应加权数据级融合方法。首先对振动信号进行预处理,然后以K最近邻算法的分类结果作为粒子群优化算法的适应度函数,通过不断迭代,寻找多源传感器融合的最佳权重。对多源传感器融合系统、多源传感器融合方法以及滚动轴承的故障诊断进行了研究,最后在滚动轴承的全寿命周期数据集上进行试验验证,证明该方法实现了多源传感器采集数据的有效利用,能够完备反映滚动轴承的故障特征,对振动信号的故障诊断和寿命预测具有长远意义。

针对传统经验公式难以准确反映滚动轴承正常工作时油膜刚度动态变化的问题,根据滚动轴承运行时油膜状态分布,基于非Newton流体弹流润滑理论,考虑表面粗糙形貌、热效应、时变效应等因素,建立滚动轴承油膜刚度计算模型。通过数值计算,得到一个完整工作周期内油膜压力、膜厚、温度和刚度变化规律。结果表明：油膜刚度在一个周期内呈非线性变化,并随载荷、黏度、表面粗糙度幅值的增大而增大,随卷吸速度的增大而有所减小;油膜刚度的振荡频率随表面粗糙度波长和粗糙表面纹理走向与轴承滚动方向夹角增大而增大;滚动轴承正常工作时,油膜的温升最大,内圈次之,滚动体最小且不可忽略。