基于压缩感知的滚动轴承稀疏特征提取方法研究

项目名称： 基于压缩感知的滚动轴承稀疏特征提取方法研究

项目编号： No.51405211

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 机械、仪表工业

项目作者： 刘畅

作者单位： 昆明理工大学

项目金额： 24万元

中文摘要： 目前工业现场的旋转机械广泛使用的状态监测系统，其产生大量未经压缩的运行状态数据，导致数据“爆炸”引发海量数据存储、存储资源浪费等问题。以滚动轴承振动信号为对象，开展复杂噪声环境下滚动轴承稀疏特征提取的压缩感知方法研究。提出基于字典学习的信号稀疏化方法，实现噪声环境下信号的最优稀疏表示，满足压缩感知的前提条件；提出自适应观测矩阵生成方法，实现多工况条件下信号观测，保证获取重构所需信息的同时，对信号进行有效的压缩；提出基于阈值迭代方法的重构算法，有效降低重构误差；提出基于统计特征和能量分布的稀疏特征参数和基于聚类的稀疏特征分类器，实现滚动轴承的故障诊断，验证本项目中方法的有效性。研究成果能有效的解决海量状态数据存储的问题，即保证数据压缩后不丢失信息，且使用压缩后的数据进行诊断效率更高，从而为解决大规模数据采集带来的大数据、低效率问题进行有益的探索。

中文关键词： 压缩感知；特征提取；滚动轴承；压缩域特征；

英文摘要： Condition monitoring system is widely used in industrial field of rotating machinery. A lot of condition data without compression is produced by the system. Massive data storage is problem caused by data "explosion" ,and storage resource wasting. This res

英文关键词： Compressive sensing；Feature Extract；Rolling Bearing；Compressive Feature；