项目名称: 基于压缩感知的机械振动信号检测理论及试验研究

项目编号: No.51465034

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 机械、仪表工业

项目作者: 郭俊锋

作者单位: 兰州理工大学

项目金额: 48万元

中文摘要: 机械振动信号传递与承载着机械设备工作过程中所蕴含的大量信息,在线监测与采集机械振动信号是机械工程领域,尤其是故障诊断和远程故障诊断技术中关键核心技术之一。本项目将压缩感知理论应用到机械振动信号的检测,以解决传统检测方法采样频率高、数据存储量大和传输困难等问题。在压缩感知理论框架下,首先建立典型机械振动信号的理论模型,研究机械振动信号的分解问题,实现其最稀疏表示;接着研究机械振动信号的确定性观测矩阵设计问题,以保证利用观测值以很高的概率精确重构信号;然后研究机械振动信号的重构方法,设计噪声情形下机械振动信号的自适应快速鲁棒重建算法,以保证稳定、计算复杂度较低、对观测数量要求较少来精确地恢复原信号;最后在上述研究基础上,建立基于压缩感知检测振动信号实验平台并进行试验研究。该研究属于交叉学科的基础性问题和研究前沿,对于振动信号的检测技术和发展故障诊断技术具有重要的理论意义和应用前景。

中文关键词: 机械振动;振动信号;故障诊断;压缩感知;稀疏表示

英文摘要: Mechanical vibration signals contains a lot of information of the equipment in the work process , on-line monitor and collection of machinery vibration signal is a key technology in mechanical engineering field, especially in the fault diagnosis and remote fault diagnosis technology. In this project, compressed sensing theory is applied to detection of mechanical vibration signal and the related theoretical and technical problems will be solved, to solve high sampling frequency, a large amount of data storage and transmission difficulties of traditional detection methods. In the theory framework of compressed sensing, we will establish typical mechanical vibration signal model and study mechanical vibration signal decomposition problem to realize the most sparse representation; we will study mechanical vibration signals determine observation matrix design theory to ensure the use of observation value with a high probability of accurate reconstruction ; we will study mechanical vibration signal reconstruction theory and design mechanical vibration signal adaptive robust and fast reconstruction algorithm under noise, in order to ensure stable, relatively low computational complexity and the number of observations requiring less precisely to restore the original signal.Finally, on the basis of the above study, we will establish experimental platform of vibration signal detection based on compressed sensing and research of experimental. The study is the interdisciplinary basic issues and the cutting-edge research, to the vibration signal detection technology and the development of fault diagnosis system has the important theory significance and application prospects.

英文关键词: mechanical vibration;vibration signal;fault diagnosis;compressed sensing;sparse representation

成为VIP会员查看完整内容
1

相关内容

数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
13+阅读 · 2021年8月29日
专知会员服务
21+阅读 · 2021年8月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
105+阅读 · 2020年11月27日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Max-Margin Contrastive Learning
Arxiv
18+阅读 · 2021年12月21日
Arxiv
28+阅读 · 2021年5月17日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
222+阅读 · 2022年4月19日
多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
13+阅读 · 2021年8月29日
专知会员服务
21+阅读 · 2021年8月23日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
105+阅读 · 2020年11月27日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员