科研之友
微信
新浪微博
Facebook
分享链接
摘要
工业“大数据”时代的到来为机械装备健康监测带来了新机遇。然而，由于运行环境异常、人为因素干扰以及采集设备故障等，机械装备健康监测大数据中往往混杂大量与健康状态无关的异常值或缺失值数据，从而造成数据质量下降。为保障数据质量，提高振动信号恢复效果，提出一种基于变分模态分解和双向压缩感知(Variational Mode Decomposition, VMD; Bidirectional Compressed sensing, BiCS; VMD-BiCS)的振动信号重构方法。首先通过变分模态分解对采样数据进行去噪处理，其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵，然后基于子空间追踪(Subspace Pursuit, SP)算法从两个方向重构出稀疏表示向量。在此基础上利用离散余弦变换构造稀疏矩阵，利用压缩感知原理重构双向信号，最后对重构信号加权得到最终重构信号，实现对残损振动信号的数据恢复。分别采用仿真信号和西储大学公开轴承数据进行修复实验，将该方法用于对压缩感知传统重构算法进行改进，发现所提方法在时域指标均方根误差上均优于传统重构算法。并从修复效果角度验证发现该方法成功还原了外圈故障信号的故障特征频率，达到了修复的目的。
- 出版日期2023
- 单位重庆市特种设备检测研究院; 重庆邮电大学
