CN113705491B 一种强噪声工程装备轴承振动信号重构方法 （长安大学）

号一种强噪声工程装备轴承振动信号重构方法用粒子群算法获得粒子群适应度值最大的粒子服了现有技术中存在的对工程类强噪声振动信2步骤2，对原始信号使用粒子群算法获得粒子群适应度值最大的粒子三维坐标及适应0是通过粒子群优化算法得到的与信号局部特征匹配最优的小子步骤2.2，以小波基函数和原始信号之间的相关性系数作为粒子群算法的适应度函各粒子通过计算不断调整自身参数来计算新位置的粒子群适应度值，并且迭代iter3[0001]本发明属于工程机械技术领域，具体涉及一种强噪声工程轴承振动信号重构方杂多变的工作环境对工程装备的智能化诊断研究带来了诸多挑战。常见的工程装备包括传感器采集得来的信号中，通常包含被采集系统大量的工作信息及状态特征。当信号中[0003]针对现有技术中存在的问题，本发明的目的在于提出一种强噪声工程轴承振动[0010](2)稀疏测度10范数对于4述为线性惩罚项和二次线性不等式约束的标准优化问题。引入合适的拉格朗日乘子λ,将严重影响轴承工作状态的判别。将原始信号x进行分解，则轴承的故障振动信号可由下式[0018]A为故障特征小波原子gr构造而成的字典，α为由各个稀疏表示系数组成的一维征在振动信号中往往呈周期性出现，其产生的冲击波形有相对固定的振荡频率以及阻尼来调整重构信号的稀疏度，噪声信号ε可以作为采集信号与重构信号之间的残差进行处原子共同构成稀疏表征的字典。字典的构造与表示系数的求解对于最终重构信号的结果疏信号的能量通常集中在少量的表示原子中，可通过稀疏表示系数以及表示原子来表征[0026]小波包使用的是一组正交的、迅速衰减的小5中的冗余基代替传统方法的正交基，突破了基函数选择的限制，从而获得与原始信号特速度与位置。粒子群优化算法通过不同粒子之间的信息共享，不断调整自身的速度与位的相关性系数作为算法的适应度函数，来评估众多粒子构成的Laplace小波与原始振动信6[0039]综合以上算法模型，最终得到轴承振动信号的重构算法模型可根据以下步骤实7[0054]下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员[0060](2)稀疏测度10范数对于述为线性惩罚项和二次线性不等式约束的标准优化问题。引入合适的拉格朗日乘子λ,将重影响轴承工作状态的判别。将原始信号x进行分解，则轴承的故障振动信号可由下式进[0068]A为故障特征小波原子gr构造而成的字典，α为由各个稀疏表示系数组成的一维征在振动信号中往往呈周期性出现，其产生的冲击波形有相对固定的振荡频率以及阻尼8来调整重构信号的稀疏度，噪声信号ε可以作为采集信号与重构信号之间的残差进行处原子共同构成稀疏表征的字典。字典的构造与表示系数的求解对于最终重构信号的结果疏信号的能量通常集中在少量的表示原子中，可通过稀疏表示系数以及表示原子来表征列无结构矩阵组成，由于需要借助学习训练算法进行拟合，因此在实际应用中计算量更[0076]小波包使用的是一组正交的、迅速衰减的小中的冗余基代替传统方法的正交基，突破了基函数选择的限制，从而获得与原始信号特9速度与位置。粒子群优化算法通过不同粒子之间的信息共享，不断调整自身的速度与位[0089]综合以上算法模型，最终得到轴承振动信号的重构算法模型可根据以下步骤实[0091]本实施例实验数据源于美国凯斯西储大学电气工程实验室故障轴承数据[0096]实现被测对象的模态参数识别，以粒子群优化算法计算各个包含小波参数信息[0097]参考图4，图4中的相似度大小由Laplace小波原子与图2中的整体振动信号计算相关系数后乘以一定的系数而得，其目的是为在局部范围内尽可能找寻最为匹配的信号但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见