一种用于轴承故障诊断的自适应多D形式驱动稀疏展开反卷积网络
摘要
1.简介
1 将MPMI和多D-范数相结合,构造了一个同时具有波形脉冲性和周期循环平稳性的目标函数,据我们所知,这在故障诊断领域还没有研究过。 2 将CSL模型的迭代步骤展开为一个反褶积网络,该网络用于描述传输路径的线性和非线性单元,这是一种利用模型驱动网络执行IBD任务的新方法。 三。 数值模拟和反褶积结果表明,所提出的AMD-SUDN优于现有的先进IBD方法。
2.相关工作
2.1. MOMED盲反卷积方法
2.2. 周期调制强度(PMI)方法
3.建议的AMD-SUDN反卷积方法
3.1. 卷积稀疏编码模型
3.2. 稀疏展开反褶积网络
3.3. 基于最大池的周期估计
3.4. 优化目标和求解器
4.性能分析
4.1. AMD-SUDN方法的参数分析
4.2. AMD-SUDN的可解释性分析
4.3. 反褶积方法的比较
5.实验验证
5.1. 案例1
5.2. 案例2
6.结论
作者贡献
基金
机构审查委员会声明
知情同意书
数据可用性声明
鸣谢
利益冲突
工具书类
苗,Y。; 张,B。; 林,J。; 赵,M。; 刘,H。; 刘,Z。; 李,H。盲反褶积在机械故障诊断中的应用综述。 机械。 系统。 信号处理。 2022 , 163 , 108202. [ 谷歌学者 ] [ 交叉参考 ] 张,H。; 陈,X。; 杜,Z。; 基于Yan,R.Kurtosis的加权稀疏模型和凸优化技术用于轴承故障诊断。 机械。 系统。 信号处理。 2016 , 80 , 349–376. [ 谷歌学者 ] [ 交叉参考 ] 张,H。; 陈,X。; 张,X。; Ye,B。; Wang,X.航空发动机轴承故障检测:聚类低阶方法。 机械。 系统。 信号处理。 2020 , 138 , 106529. [ 谷歌学者 ] [ 交叉参考 ] 安布罗·基维茨(Ambrożkiewicz,B.)。; Syta,A。; 乔治亚迪斯,A。; Gassner,A。; 利塔克,G。; Meier,N.使用机器学习方法对滚珠轴承的径向内游隙进行智能诊断。 传感器 2023 , 23 , 5875. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Randall,R.B。; Antoni,J.滚动元件轴承诊断-教程。 机械。 系统。 信号处理。 2011 , 25 , 485–520. [ 谷歌学者 ] [ 交叉参考 ] Buzzoni,M。; D’Elia,G。; Cocconcelli,M.用于验证和基准测试用于机器诊断的信号处理技术的工具。 机械。 系统。 信号处理。 2020 , 139 , 106618. [ 谷歌学者 ] [ 交叉参考 ] 杜,Z。; 张,H。; 陈,X。; Yang,Y.脉冲盲反褶积的卷积即插即用稀疏优化。 机械。 系统。 信号处理。 2021 , 161 , 107877. [ 谷歌学者 ] [ 交叉参考 ] Wiggins,R.A.最小熵反褶积。 地质勘探 1978 , 16 , 21–35. [ 谷歌学者 ] [ 交叉参考 ] Endo,H。; Randall,R.使用最小熵反卷积滤波器增强基于自回归模型的齿轮轮齿故障检测技术。 机械。 系统。 信号处理。 2007 , 21 , 906–919. [ 谷歌学者 ] [ 交叉参考 ] 贾,F。; 雷,Y。; Shan,H。; Lin,J.使用最大相关峰度反褶积改进的谱峰度进行轴承早期故障诊断。 传感器 2015 , 15 , 29363–29377. [ 谷歌学者 ] [ 交叉参考 ] 阿肯色州奥瓦克。; 帕亚·贾尔维,P。; LeBlanc,J.P。; Carlson,J.E.通过偏度最大化恢复周期脉冲信号。 IEEE传输。 信号处理。 2016 , 64 , 1586–1596. [ 谷歌学者 ] [ 交叉参考 ] 贾,X。; 赵,M。; Di,Y。; 李,P。; Lee,J.广义lp/lq范数稀疏滤波及其在旋转机械状态监测中的应用。 机械。 系统。 信号处理。 2018 , 102 , 198–213. [ 谷歌学者 ] [ 交叉参考 ] Liang,K。; 赵,M。; 林,J。; 焦,J。; Ding,C.最大平均峰度反褶积及其在旋转机械脉冲故障特征增强中的应用。 机械。 系统。 信号处理。 2021 , 149 , 107323. [ 谷歌学者 ] [ 交叉参考 ] 洛佩兹,C。; Wang博士。; 纳兰霍,Á。; Moore,K.J.Box-cox-sparse-measures-based blind filtering:理解最大峰度反褶积和最小熵反褶聚之间的差异。 机械。 系统。 信号处理。 2022 , 165 , 108376. [ 谷歌学者 ] [ 交叉参考 ] 麦克唐纳,G.L。; 赵(Q.Zhao)。; Zuo,M.J.最大相关峰度反褶积及其在齿轮齿屑故障检测中的应用。 机械。 系统。 信号处理。 2012 , 33 , 237–255. [ 谷歌学者 ] [ 交叉参考 ] 麦克唐纳,G.L。; Zhao,Q.多点最优最小熵反褶积和卷积修复:在振动故障检测中的应用。 机械。 系统。 信号处理。 2017 , 82 , 461–477. [ 谷歌学者 ] [ 交叉参考 ] 苗,Y。; 赵,M。; 林,J。; Lei,Y.改进的最大相关峰度反褶积方法在滚动轴承故障诊断中的应用。 机械。 系统。 信号处理。 2017 , 92 , 173–195. [ 谷歌学者 ] [ 交叉参考 ] 苗,Y。; 赵,M。; Liang,K。; Lin,J.基于编码器信号的改进MCKDA在风力涡轮机齿轮故障检测中的应用。 更新。 能源 2020 , 151 , 192–203. [ 谷歌学者 ] [ 交叉参考 ] 苗,Y。; 施,H。; 李,C。; Hua,J。; Lin,J.使用时间同步平均法对CYCBD进行了周期性重新定义,用于强噪声下轴承故障的特征提取。 结构。 健康监测。 2024 , 32 , 1071–1088. [ 谷歌学者 ] [ 交叉参考 ] 高,Y。; Z.艾哈迈德。; Kim,J.M.使用最优盲反卷积方法和混合可逆神经网络的旋转机械故障诊断。 传感器 2024 , 24 , 256. [ 谷歌学者 ] [ 交叉参考 ] Buzzoni,M。; 安东尼,J。; 基于循环平稳性最大化的盲反褶积及其在故障识别中的应用。 J.声音振动。 2018 , 432 , 569–601. [ 谷歌学者 ] [ 交叉参考 ] 张,B。; 苗,Y。; 林,J。; Yi,Y.自适应最大二阶循环平稳盲反褶积及其在机车轴承故障诊断中的应用。 机械。 系统。 信号处理。 2021 , 158 , 107736. [ 谷歌学者 ] [ 交叉参考 ] 王,Z。; 周,J。; 杜,W。; 雷,Y。; Wang,J.基于自适应最大循环平稳盲反褶积的轴承故障诊断方法。 机械。 系统。 信号处理。 2022 , 162 , 108018. [ 谷歌学者 ] [ 交叉参考 ] 陈,R。; 黄,Y。; Xu,X。; 张,X。; Qiu,T.滚动轴承故障特征的自适应最大循环平稳性盲反卷积提取方法。 IEEE传感器。 2023 , 23 , 17761–17770. [ 谷歌学者 ] [ 交叉参考 ] Borghesani,P。; Pennacchi,P。; Chatterton,S.滚动轴承诊断的峰度和包络指数之间的关系。 机械。 系统。 信号处理。 2014 , 43 , 25–43. [ 谷歌学者 ] [ 交叉参考 ] 皮特斯,C。; 安东尼,J。; Helsen,J.基于包络谱稀疏性指示器的盲滤波器,用于基于轴承和齿轮振动的状态监测。 机械。 系统。 信号处理。 2020 , 138 , 106556. [ 谷歌学者 ] [ 交叉参考 ] He,L。; Wang博士。; Yi,C。; 周,Q。; Lin,J.基于未知盲反褶积技术从包络谱中提取重复瞬变的循环平稳性。 信号处理。 2021 , 183 , 107997. [ 谷歌学者 ] [ 交叉参考 ] 唐,M。; Liao,Y。; Duan,R。; 薛,J。; 张欣。基于最大平方包络多点峰度形态反褶积的轴承故障诊断。 IEEE传输。 仪器。 测量。 2022 , 71 , 3509711. [ 谷歌学者 ] [ 交叉参考 ] 苗,Y。; Wang,J。; 张,B。; Li,H.基尼指数实用框架在机械故障特征提取中的应用。 机械。 系统。 信号处理。 2022 , 165 , 108333. [ 谷歌学者 ] [ 交叉参考 ] 孟,Z。; 崔,Z。; 刘杰。; 李,J。; Fan,F.滚动轴承故障诊断的最大循环基尼指数反卷积。 IEEE传输。 仪器。 测量。 2023 , 72 , 1–12. [ 谷歌学者 ] [ 交叉参考 ] 周,Q。; Yi,C。; Yan,L。; 黄,C。; Lin,J.一种基于频谱谐波噪声比的旋转机械状态监测盲解卷积方法。 IEEE传输。 自动。 科学。 工程师。 2023 , 20 , 1092–1107. [ 谷歌学者 ] [ 交叉参考 ] Fu,L。; 张,P。; 丁,M。; 王,S。; 徐,F。; Ma,Z.一种用于故障诊断的新型复合包络负熵反卷积重构方法。 IEEE传输。 仪器。 测量。 2024 , 73 , 6500814. [ 谷歌学者 ] [ 交叉参考 ] 杜,Z。; 陈,X。; Zhang,H.用于盲反褶积的卷积稀疏学习及其在脉冲特征检测中的应用。 IEEE传输。 仪器。 测量。 2018 , 67 , 338–349. [ 谷歌学者 ] [ 交叉参考 ] 杜,Z。; 张,H。; Chen,X.用于包络盲反褶积的非负有界卷积稀疏性学习算法。 2019年5月20日至23日,新西兰奥克兰,IEEE国际仪器和测量技术会议(I2MTC)会议记录。 [ 谷歌学者 ] Du,Z。; 陈,X。; 张,H。; Yang,Y.低秩增强卷积稀疏特征检测用于齿轮箱故障的准确诊断。 机械。 系统。 信号处理。 2021 , 150 , 107215. [ 谷歌学者 ] [ 交叉参考 ] 邢,Z。; Yi,C。; 林,J。; Zhou,Q.轮对轴承的多部件故障诊断采用位移-变脉冲字典匹配追踪和麻雀搜索算法。 测量 2021 , 178 , 109375. [ 谷歌学者 ] [ 交叉参考 ] 张,Z。; 王,P。; Ding,J.,通过改进的显式变换字典学习对轮对轴承进行故障检测和分析。 ISA事务。 2023 , 136 , 468–482. [ 谷歌学者 ] [ 交叉参考 ] [ 公共医学 ] Yi,C。; 兰·L。; Tang,J。; Jin,H。; 庄,Z。; 周,Q。; Lin,J.基于局部正交匹配追踪的轴承复合故障诊断的改进稀疏表示法。 IEEE传感器。 2022 , 22 , 21911–21923. [ 谷歌学者 ] [ 交叉参考 ] He,L。; Yi,C。; 周,Q。; Lin,J.H.基于LocOMP的快速卷积稀疏字典学习及其在轴承故障检测中的应用。 IEEE传输。 仪器。 测量。 2022 , 71 , 3519012. [ 谷歌学者 ] [ 交叉参考 ] 王,R。; 丁,X。; 他,D。; 李强。; 李,X。; Tang,J。; Huang,W.用于轴承弱故障信号去噪的移位不变稀疏滤波。 IEEE传感器。 2023 , 23 , 26096–26106. [ 谷歌学者 ] [ 交叉参考 ] 卢,Y。; 梁,C。; 朱,D。; 高奇。; 基于卷积稀疏表示和非局部相似性的轴承故障诊断。 IEEE传感器。 2023 , 23 , 5937–5948. [ 谷歌学者 ] [ 交叉参考 ] 方,B。; 胡,J。; 杨,C。; 曹毅。; Jia,M.一种基于后向自动微分的盲反褶积算法及其在滚动轴承故障诊断中的应用。 测量。 科学。 技术。 2021 , 33 , 025009. [ 谷歌学者 ] [ 交叉参考 ] 贾,X。; 赵,M。; Di,Y。; Jin,C。; Lee,J.研究峰度滤波器和推导用于脉冲签名增强的卷积稀疏滤波器。 J.声音振动。 2017 , 386 , 433–448. [ 谷歌学者 ] [ 交叉参考 ] 周,Q。; Yi,C。; Yan,L。; 黄,C。; 宋,X。; 徐,D。; 周,L。; Lin,J.基于最大谱谐波噪声比反卷积的机器状态监测多节点特征学习网络。 IEEE传输。 自动。 科学。 工程师。 2023 , 1–13. [ 谷歌学者 ] [ 交叉参考 ] 苗,Y。; 李,C。; Shi,H。; Han,T.基于深度网络的最大相关峰度反褶积:一种用于轴承故障诊断的新型深度反褶积。 机械。 系统。 信号处理。 2023 , 189 , 110110. [ 谷歌学者 ] [ 交叉参考 ] 蒙加,V。; 李毅。; Eldar,Y.C.算法展开:信号和图像处理的可解释、高效深度学习。 IEEE信号处理。 美格。 2021 , 38 , 18–44. [ 谷歌学者 ] [ 交叉参考 ] 张,H。; 林,J。; 杜,Z。; Li,Y.多D范数驱动的网络展开算法:滚动轴承故障特征提取方法。 2023年9月23日至25日,中国西安,《2023年第六届信息通信与信号处理国际会议论文集》; 第1273-1278页。 [ 谷歌学者 ] [ 交叉参考 ] Borghesani,P。; Herwig,N。; 安东尼,J。; Wang,W.基于Fourier的机器状态监测应用1D-CNN解释。 机械。 系统。 信号处理。 2023 , 205 , 110865. [ 谷歌学者 ] [ 交叉参考 ] Hou,L。; Yi,H。; Jin,Y。; Gui,M。; 隋,L。; 张杰。; Chen,Y.基于航空发动机系统的轴间轴承故障诊断:基准数据集研究。 J.戴恩。 莫尼特。 诊断。 2023 , 2 , 228–242. [ 谷歌学者 ] [ 交叉参考 ]