典型文献
滚动轴承压缩故障信号的特征代理与凸优化重构算法
文献摘要：
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 Algo?rithm,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.
文献关键词：
故障诊断;滚动轴承;压缩感知;特征重构
中图分类号：
作者姓名：
林慧斌;邓立发
作者机构：
华南理工大学机械与汽车工程学院,广东 广州 510640
文献出处：
引用格式：
[1]林慧斌;邓立发-.滚动轴承压缩故障信号的特征代理与凸优化重构算法)[J].振动工程学报,2022(02):434-445
A类：
B类：
滚动轴承,承压,故障信号,凸优化,重构算法,压缩采样,机械状态监测,状态监测数据,数据存储,故障特征提取,信号重构,重构方法,局部故障,习得,观测信号,目标优化函数,快速迭代收缩阈值算法,Fast,Iterative,Shrinkage,Threshold,Algo,rithm,FISTA,稀疏系数,学习模式,数卷,卷积重构,不降,计算复杂度,贪婪,稀疏度,全局最优解,压缩感知,特征重构
AB值：
0.426614
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
