【摘要】：機械設(shè)備在運轉(zhuǎn)狀態(tài)下產(chǎn)生的振動信號往往蘊含著豐富的機械裝備信息,對該狀態(tài)下的信號進(jìn)行實時采集與在線監(jiān)測,并通過故障診斷獲得設(shè)備的實時狀況,對提升機械設(shè)備性能、保證產(chǎn)品質(zhì)量、降低維護(hù)成本和提高企業(yè)效益等至關(guān)重要。然而高速化、集成化、智能化和復(fù)雜化已成為當(dāng)前機械設(shè)備發(fā)展的必然趨勢,機械振動信號所含頻率也更高,此時若仍采用傳統(tǒng)的奈奎斯特采樣定律進(jìn)行采樣,會產(chǎn)生巨量的數(shù)據(jù),這些數(shù)據(jù)的處理及存儲成為亟待解決的問題,壓縮感知的出現(xiàn)則使該問題的解決方法有了質(zhì)的飛躍。傳統(tǒng)的壓縮感知是單測量向量(Single Measurement Vectors,SMV)模型,在單點測量條件下獲得單個測量向量,而多監(jiān)測點條件下的壓縮感知為多測量向量(Multiple Measurement Vectors,MMV)模型,與SMV模型相比,MMV模型能夠進(jìn)一步利用數(shù)據(jù)間的相關(guān)性,更有利于準(zhǔn)確的估計出非零行的位置,從而得到更精確的估計解。重構(gòu)算法是壓縮感知理論能否應(yīng)用于實際工程的重要環(huán)節(jié),本文將壓縮感知應(yīng)用于機械振動信號的采集,對多測量向量模型下機械振動信號的聯(lián)合稀疏重構(gòu)算法進(jìn)行研究。論文取得的主要研究成果如下:(1)介紹了壓縮感知的基本理論和模型。主要包括稀疏表示理論、測量矩陣設(shè)計、重構(gòu)算法研究三個方面和SMV、MMV、無限測量向量(Infinite Measurement Vectors,IMV)三種不同模型的重構(gòu)原理及常用重構(gòu)方法。并以傳統(tǒng)算法中貪婪算法的經(jīng)典算法之正交匹配追蹤算法為例,描述了多重測量向量模型的重構(gòu)原理,通過仿真實驗剖析了其針對不同變量下的重構(gòu)性能。(2)研究了適用于多測量向量條件下機械振動信號的稀疏貝葉斯算法。當(dāng)感知矩陣列與列之間的相關(guān)性很強時,大多數(shù)重構(gòu)算法性能都比較差(如_1l算法、匹配追蹤算法、正交匹配追蹤算法),但稀疏貝葉斯算法的性能仍比較良好,并且稀疏貝葉斯算法在解決信號內(nèi)及信號間相關(guān)性比較強,時間結(jié)構(gòu)相關(guān)性較強的信號時有很好的恢復(fù)效果。多監(jiān)測點條件下的機械振動信號為MMV模型,該模型有較強的時間結(jié)構(gòu)相關(guān)性,基于機械振動信號的這種固有特征,研究分析了具有多測量向量模型的稀疏貝葉斯算法和具有時序結(jié)構(gòu)的稀疏貝葉斯算法的基本原理,并在此基礎(chǔ)上進(jìn)行仿真。實驗結(jié)果表明:這兩種稀疏貝葉斯算法針對MMV模型下機械振動信號的恢復(fù)效果較好,重構(gòu)誤差較小,具有良好的適應(yīng)性。(3)提出了一種基于粒子群算法的機械振動信號聯(lián)合稀疏重構(gòu)算法。不同于傳統(tǒng)算法,粒子群算法是求解組合優(yōu)化問題的一種有效的現(xiàn)代智能方法。針對傳統(tǒng)貪婪算法恢復(fù)性能差,凸松弛算法恢復(fù)效率低,標(biāo)準(zhǔn)粒子群算法群體初始化隨機性太強、位置更新過程中易陷入早熟從而進(jìn)入局部搜索的問題,提出了一種基于粒子群算法的機械振動信號聯(lián)合稀疏重構(gòu)方法。該方法首先采用具有時序相關(guān)性的稀疏貝葉斯算法作為初始解;然后利用最小二乘法求支撐集與估計解的關(guān)系,得到目標(biāo)函數(shù)模型;最后結(jié)合貪婪算法思想并加入自適應(yīng)激活粒子機制進(jìn)行位置更新。仿真實驗結(jié)果表明:在保證機械振動信號完整的前提下,相比于傳統(tǒng)算法,該方法恢復(fù)更精確,重構(gòu)誤差更小。
【圖文】：

圖 3.1 SMV 模型的原理框圖理 3.1 表明了解的唯一性，顯而易見 spark 2, m 1 ，其中 spark 線性相關(guān)列的數(shù)目。由此可知，該定理要求 m 2k，即要重建信號k個測量值。有噪聲存在時，，問題(3.1)為 y f e，其中 e為未知噪聲，則可求

圖 3.2 MMV 模型的原理框圖量向量模型中存在如下定理：3.3：設(shè) K 為原始信號 X 的聯(lián)合稀疏度，則原信號 X 可從測量信的充分必要條件是： 1 supspark rank XK p X
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TH113.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王強;張培林;王懷光;吳定海;張云強;;基于優(yōu)化分類的機械振動信號壓縮感知[J];振動與沖擊;2018年14期

2 張志森;符興昌;趙全軍;;機械振動信號描述與分析方法[J];四川文理學(xué)院學(xué)報;2011年05期

3 郭俊鋒;石斌;雷春麗;魏興春;李海燕;;基于雙稀疏字典模型機械振動信號壓縮感知方法[J];機械工程學(xué)報;2018年06期

4 門日秀;趙榮珍;;機械振動信號遠(yuǎn)程測試與處理技術(shù)的研究[J];計算機測量與控制;2009年06期

5 劉志芳,陶建,張進(jìn)明;小波變換在旋轉(zhuǎn)機械振動信號檢測中的應(yīng)用[J];北京化工大學(xué)學(xué)報(自然科學(xué)版);2002年04期

6 高威;李莎;;同步壓縮變換及其在機械振動信號處理中的應(yīng)用[J];時代農(nóng)機;2017年04期

7 徐敏強,張嘉鐘,張國斌,黃文虎;基于小波變換的旋轉(zhuǎn)機械振動信號數(shù)據(jù)壓縮方法的研究[J];振動工程學(xué)報;2000年04期

8 童佳明;陳麒宇;;小波分析法在機械振動信號檢測中的應(yīng)用[J];才智;2013年29期

9 李舜酩;;機械振動信號盲源分離的時域方法[J];應(yīng)用力學(xué)學(xué)報;2005年04期

10 萬軍,蔣世祥,蔡智勇;旋轉(zhuǎn)機械振動信號的小波包分解及故障檢測[J];汽輪機技術(shù);2002年02期

相關(guān)會議論文 前6條

1 梁勤剛;陳長征;;基于盲分離的旋轉(zhuǎn)機械振動信號分析[A];現(xiàn)代振動與噪聲技術(shù)（第九卷）[C];2011年

2 金未平;劉征宇;張利;;基于多傳感器數(shù)據(jù)融合的機械振動研究[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2009)暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（下冊）[C];2009年

3 姚建;蘇應(yīng)敢;李濤;;變壓器有載調(diào)壓開關(guān)故障診斷新技術(shù)研究[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

4 姚建;蘇應(yīng)敢;李濤;;變壓器有載調(diào)壓開關(guān)故障診斷新技術(shù)研究[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

5 宋偉;;燒結(jié)風(fēng)機振動特征頻譜及分析[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

6 江翼;張丹丹;程林;陽瑞霖;張靜;劉健;劉亞青;;有載分接開關(guān)機械振動信號監(jiān)測方式研究[A];2017智能電網(wǎng)信息化建設(shè)研討會論文集[C];2017年

相關(guān)博士學(xué)位論文 前3條

1 胡愛軍;Hilbert-Huang變換在旋轉(zhuǎn)機械振動信號分析中的應(yīng)用研究[D];華北電力大學(xué)（河北）;2008年

2 周瑞;基于第二代小波的機械故障信號處理方法研究[D];哈爾濱工業(yè)大學(xué);2009年

3 王維剛;基于時頻圖像識別的旋轉(zhuǎn)機械多特征融合故障診斷方法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王茁;多監(jiān)測點條件下機械振動信號的聯(lián)合稀疏重構(gòu)算法研究[D];蘭州理工大學(xué);2019年

2 劉世潤;基于MWC的機械振動信號壓縮采樣研究[D];蘭州理工大學(xué);2018年

3 黨姜婷;機械振動信號的壓縮采樣與測量矩陣研究[D];蘭州理工大學(xué);2018年

4 莫芙蓉;旋轉(zhuǎn)機械振動信號盲源分離中欠確定問題研究[D];國防科學(xué)技術(shù)大學(xué);2005年

5 彭浩;通用性旋轉(zhuǎn)機械振動信號測試與分析系統(tǒng)的研制[D];重慶大學(xué);2006年

6 張靜;流體機械振動信號數(shù)據(jù)管理與分析系統(tǒng)的設(shè)計與實現(xiàn)[D];解放軍信息工程大學(xué);2008年

7 嚴(yán)棟山;機械振動信號的非線性重構(gòu)算法研究[D];蘭州理工大學(xué);2017年

8 朱瑜;基于網(wǎng)絡(luò)的機械振動信號分析系統(tǒng)研究[D];華北電力大學(xué);2013年

9 張萬里;基于LabVIEW旋轉(zhuǎn)機械振動信號分析處理系統(tǒng)開發(fā)[D];東北大學(xué);2015年

10 徐勝勇;基于SOPC技術(shù)的旋轉(zhuǎn)機械振動信號無線采集與處理系統(tǒng)的研究[D];江西理工大學(xué);2007年

本文編號：2640223