[發明專利]一種滾動軸承多測量點振動信號壓縮采樣與同步重構方法

有效

• 申請號: 202010253194.1
• 申請日: 2020-04-02
• 公開（公告）號: CN111458146B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 郭俊鋒;何健;魏興春;何天經;雷春麗;王智明;陳衛華;宋鳴
• 申請（專利權）人: 蘭州理工大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06F17/16
• 代理公司: 北京市邦道律師事務所 11437
• 代理人: 段君峰

本發明屬于機械振動信號處理技術領域。本發明公開了一種滾動軸承多測量點振動信號壓縮采樣與同步重構方法，具體包括以下步驟：步驟S1，將每個測點訓練樣本分為公共訓練樣本與特有訓練樣本，采用K?SVD字典學習算法分別訓練出每個測點共用的公共學習字典以及特有學習字典，根據聯合稀疏表示JSM?1模型，將共用的公共學習字典以及特有學習字典構造成聯合稀疏表示學習字典；步驟S2，采用高斯隨機矩陣對不同測點間相同時段的振動信號進行壓縮測量，獲得多測點壓縮測量值；步驟S3，基于聯合稀疏表示學習字典對多測點測量值進行聯合壓縮重構。采用本發明的方法，不僅可以實現對多測點機械振動信號的壓縮測量重構，而且可以獲得很好的重構精度。

技術領域

本發明屬于機械振動信號處理技術領域，具體涉及一種滾動軸承多測量點振動信號壓縮采樣與同步重構方法。

背景技術

機械設備運行過程中，軸承作為機械設備的重要部件，其振動信號包含軸承運行狀態的關鍵信息。對設備軸承振動信號進行實時在線監測，不僅能持續掌握設備運行狀態，而且可為設備故障診斷、全壽命周期預測以及可靠性提供信息支持。因此，設備軸承振動信號檢測具有重要的現實意義和經濟價值。

其中，壓縮感知(Compressed，Sensing，CS)理論可以突破奈奎斯特采樣定理對采樣頻率的限制，對信號進行遠低于奈奎斯特的采樣頻率進行數據采集并采用欠采樣技術對原始信號數據進行高概率重構。

目前，機械振動信號壓縮測量重構的方法僅適應于單測點傳感器振動信號的壓縮測量與重構，而在實際應用工程中，采用多傳感器對軸承運行狀態進行多測點實時監測，可以更全面的監測軸承的實際運行狀態，但也會產生更多的數據。此時，如果采用對單測點傳感器數據進行壓縮測量重構，雖然在一定程度上解決了數據的儲存、傳輸以及處理問題，但這種方式忽略了相同時段內多測點振動信號的相關性而導致重構精度的降低。

發明內容

為了提高針對多測點機械振動信號的壓縮測量重構精度，本發明提出了一種滾動軸承多測量點振動信號壓縮采樣與同步重構方法，具體包括以下步驟：

步驟S1，將每個測點訓練樣本分為公共訓練樣本與特有訓練樣本，采用K-SVD字典學習算法分別訓練出每個測點共用的公共學習字典以及特有學習字典，根據聯合稀疏表示JSM-1模型，將共用的公共學習字典以及特有學習字典構造成聯合稀疏表示學習字典；

步驟S2，采用高斯隨機矩陣對不同測點間相同時段的振動信號進行壓縮測量，獲得多測點壓縮測量值；

步驟S3，基于聯合稀疏表示學習字典對多測點測量值進行聯合壓縮重構。

優選的，在所述步驟S1中，采用離散余弦基將每個測點訓練樣本分為公共訓練樣本與特有訓練樣本。

進一步優選的，在所述步驟S1中，構造聯合稀疏表示學習字典的具體過程為：

步驟T1，將每個測點傳感器訓練樣本Y_j構造為矩陣形式，得到共j個訓練樣本矩陣；

步驟T2，采用D_DCT基對每個測點訓練樣本Y_j進行矩陣變化得到共j個新的訓練樣本矩陣A_j，即A_j＝D_DCT基Y_j；

步驟T3，設矩陣A^c為n×NN的零矩陣，提取所有新訓練樣本A_j相同位置元素α＝[α₁,α₂,···,α_J]，若α中所有元素非同號，則A^c相同位置元素不變即為0，若α中所有元素同號，則A^c的相同位置元素為α中絕對值最小值元素，通過以上原則對A^c所有位置元素重新進行重新選擇，構造出新的矩陣A^c；