基于字典学习的轴承早期故障稀疏特征提取

摘要：

针对低速重载机械滚动轴承早期故障的振动信号中故障特征冲击成分微弱易被噪声覆盖难以识别，而利用稀疏表示方法提取冲击成分时因轴承工况非平稳性，准确匹配冲击成分字典难以构造问题，提出基于字典学习的轴承早期故障稀疏特征提取方法。利用改进型 K-SVD 字典学习算法构造自适应字典；采用正交匹配追踪算法（Orthogonal Matching Pursuit，OMP）对振动信号进行稀疏分解，计算每次迭代逼近信号的峭度值，找出最大峭度值对应的逼近信号；重构特征成分并进行包络谱分析，获得故障类型。仿真及轴承振动数据测试结果表明，所提方法能更好匹配早期故障特征成分、满足轴承实时故障监测需求。

关键词：字典学习、稀疏表示、峭度值、特征提取、故障诊断

所属期刊栏目：35

分类号：TN911;TH17

资助基金：国家自然科学基金项目61174106；河南省高等学校重点科研项目15B510017

在线出版日期：2016-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186