×
王聪;刘，张;廖孟良;杨，齐

基于压缩感知的轴承声发射信号弱故障特征增强诊断方法。 （英语） Zbl 1484.94009号

数学。Biosci公司。工程师。 18，第2期，1670-1688（2021）.
摘要：针对轴承声发射（AE）信号故障诊断中数据传输、存储和处理困难的问题，基于压缩传感（CS）理论，提出了一种在压缩域处理轴承声发射信号的弱故障特征增强诊断方法。该方法基于CS的频带选择方案和粒子群优化（PSO）方法。该方法首先利用CS技术对轴承声发射信号进行压缩和采样，得到压缩后的信号；然后，利用压缩域小波包分解矩阵对压缩后的声发射信号进行分解，提取不同频带的特征参数，然后对特征参数进行加权求和。同时，采用粒子群优化算法对权重系数进行优化，以获得增强的故障特征；最后，建立了特征增强的支持向量机（SVM）故障诊断模型。对不同的特征参数进行特征增强，形成一个特征集作为输入，并使用SVM方法对不同类型和程度的轴承故障进行模式识别。实验结果表明，该方法能有效提取轴承声发射信号中的故障特征，提高了信号处理和分析的效率，实现了轴承故障的准确分类。

引用于1文件

MSC公司：

94甲12 信号理论（表征、重建、滤波等）
94C11号机组 交换理论，布尔代数在电路和网络中的应用

关键词：

压缩感知;轴承声发射信号;特征增强;粒子群优化方法;支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{C.Wang}等人，数学。Biosci公司。工程18，编号2，1670--1688（2021；Zbl 1484.94009）
全文： 内政部

参考文献：

[1] 十、 利用迹比线性判别分析进行电机轴承故障诊断，IEEE Trans。Ind.Electron公司。，61, 2441-2451 (2014) ·doi:10.1109/TIE.2013.2273471
[2] Y.B.Ping，D.R.Chun，Z.F.Xing，基于混合信号处理技术的滚动轴承弱故障特征提取，第37届中国控制大会，2018（2018），188-195。
[3] Z、 使用小波包去噪和随机森林对滚动轴承进行故障诊断，IEEE Sen.J.，17，5581-5588（2017）·doi:10.1109/JSEN.2017.2726011
[4] Z、 基于优化小波变换的多速度振动特征的滚动轴承早期故障诊断，IEEE Access，519442-19456（2017）·doi:10.1109/ACCESS.2017.2661967
[5] J、 用于滚动轴承故障诊断的多波段包络谱提取，传感器，18，1-21（2018）·doi:10.1109/JSEN.2018.2870228
[6] D、 基于电机电流信号的轴承故障诊断，采用深度学习和信息融合，IEEE Trans。仪器。测量。，69, 3325-3333 (2020) ·doi:10.1109/TIM.2019.2933119
[7] R、 使用基于EMD的声发射特征量化的旋转机器健康监测和故障检测，IEEE Trans。仪器。测量。，61, 990-1001 (2012) ·doi:10.1109/TIM.2011.2179819
[8] D.L.Donoho，压缩传感，IEEE Trans。《信息论》，52（2006），1289-1306·Zbl 1288.94016号
[9] E、 鲁棒不确定性原理：从高度不完整的频率信息精确重建信号，IEEE Trans。《信息论》，52，489-509（2006）·Zbl 1231.94017号 ·doi:10.1109/TIT.2005.862083
[10] E、 压缩采样简介，IEEE信号处理。Mag.，25，21-30（2008）·doi:10.10109/MSP.2007.914731
[11] 十、 一种基于压缩传感的轴承故障检测方法，Lect。注释机械。工程，2015，789-798（2015）
[12] T、 通过欠采样振动信号的谐波检测对滚柱轴承故障进行压缩传感，传感器，15，25648-25662（2015）·doi:10.3390/s151025648
[13] 十、 L，Hu，基于低维压缩振动信号的轴承故障诊断方法，高级机械。工程师，7，1-12（2015）
[14] G、 基于压缩传感策略的旋转机械故障稀疏分类，机电一体化，31，60-67（2015）·doi:10.1016/j.mechatronics.2015.04.006
[15] Y、 通过压缩传感的压缩稀疏时频特征表示及其在故障诊断中的应用，《测量》，68，70-81（2015）·doi:10.1016/j.测量.2015.02.046
[16] C、 滚动轴承运行状态评估的声发射信号处理，使用压缩传感，机械。系统。信号处理。，91, 395-406 (2017) ·doi:10.1016/j.ymssp.2016.12.010
[17] H、 轴承故障分类的压缩传感策略，IEEE国际Conf.Acust。，2017, 2182-2186 (2017)
[18] H、 基于稀疏过完备特征的高压缩测量的轴承故障智能状态监测方法。系统。信号处理。，99, 459-477 (2018) ·doi:10.1016/j.ymssp.2017.06.027
[19] H、 基于压缩传感的波动条件下滚动轴承故障诊断。控制健康监测。，24, 1-17 (2017)
[20] H、 基于压缩感知的特征提取，用于使用启发式神经网络Meas进行轴承故障诊断。技术，28，1-15（2017）
[21] J、 结合压缩数据采集和深度学习的智能轴承故障诊断方法，IEEE Trans。仪器。测量。，67185-195（2018）·doi:10.1109/TIM.2017.2759418
[22] P、 基于压缩感知和小波包能量熵的滚动轴承智能故障诊断稀疏自动编码器方法，J.Mech。科学。技术。，34, 1445-1458 (2020) ·doi:10.1007/s12206-020-0306-1
[23] E、 从随机投影中恢复接近最优的信号：通用编码策略？，IEEE传输。Inf.理论，52，5406-5425（2006）·Zbl 1309.94033号 ·doi:10.1109/TIT.2006.885507
[24] H、 部分随机循环矩阵的限制等距，应用。计算。哈蒙。分析。，32, 242-254 (2012) ·Zbl 1245.15040号 ·doi:10.1016/j.acha.2011.05.001
[25] R、 压缩传感矩阵的确定性构造，《复杂性杂志》，23，918-925（2007）·Zbl 1134.94312号 ·doi:10.1016/j.jco.2007.04.002
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。