快速多分离字典学习的轴承故障诊断方法研究

• 作 者: 王森林 吕勇 易灿灿
• 机 构: 武汉科技大学冶金装备及其控制教育部重点实验室,武汉科技大学湖北省机械传动与制造重点实验室
• 出 处: 组合机床与自动化加工技术
• 发表日期: 2020年01期
• 关键词: 稀疏表示 相空间重构 拉格朗日乘子 多分离字典学习 故障诊断 sparse representationphase space reconstructionla
• 基金项目: 国家自然科学基金面上项目(51475339,51805382)

为了提高轴承故障诊断的准确率,减小重构的时间,文章提出了一种快速多分离字典学习(Fast multi-separable dictionary learning,FMSeDiL)的稀疏表示算法。与传统的字典学习方法不同,该方法首先利用相空间重构将一维故障信号重构到高维相空间,获得重构信号的矩阵,以此组成轴承故障诊断原始特征集;再对该矩阵进行分块处理,通过QR分解对每个类别矩阵信号的可分字典进行优化,并对分离的信号进行重构,由于分类所获得的欠定字典表示的信号单一,极大的提高了重构的效率。研究结果表明,