在轴承的早期微弱故障诊断中,由于采集的信号中含有较强的噪声,给故障信号特征提取造成了很大的困难。在相关信号特征提取方法中,基于字典学习的信号稀疏分解方法由于其重构信号精度高,去噪效果好而得到了广泛的应用。研究运用了一种通过投影神经网络优化方法求取信号在初始字典上的投影系数,随后采取交替方向乘子法训练字典,最后采用自适应匹配追踪算法对信号进行稀疏分解以求取信号特征。通过对比分析轴承仿真信号和实验采集故障信号,验证了该方法对轴承故障信号提取的正确性。
科研之友
微信
新浪微博
Facebook
分享链接
