科研之友
微信
新浪微博
Facebook
分享链接
摘要
压缩采样可以有效缓解机械状态监测数据存储和传输的压力，但是压缩数据的感知重构一直是个难点。针对滚动轴承压缩信号的故障特征提取问题，提出一种基于特征代理与凸优化算法的故障信号重构方法。分析了滚动轴承局部故障信号的稀疏和卷积特性，学习得到故障冲击模式。对压缩得到的轴承观测信号，构造包含冲击时刻特征的代理，并对代理建立目标优化函数，采用快速迭代收缩阈值算法（Fast Iterative Shrinkage Threshold Algorithm,FISTA）直接从代理提取出稀疏系数，将学习模式与稀疏系数卷积重构出故障信号。与直接利用FISTA从压缩信号中提取冲击特征相比，所提方法在不降低求解精度的同时降低了计算复杂度。相比于常用的贪婪类重构算法，所提方法无需预先估计信号的稀疏度，且能得到全局最优解。通过滚动轴承仿真和实验信号进一步验证了所提方法的有效性。
- 单位
