摘要:利用层次化分块正交匹配算法(HBW-OOMP)的高稀疏性和运算速度快等优点,提出了一种基于K-奇异值分解(K-SVD)字典和HBW-OOMP算法的故障轴承诊断方法。首先利用K-SVD自学习训练方法得到包含冲击成分的冗余字典,克服了固定结构字典适应性不强的缺点。然后采用基于分块思想的HBW-OOMP算法进行原子的选取和稀疏系数的求解,以重构信号包络谱峭度最大为终止条件,自适应确定分解次数。最后应用所提方法对仿真信号和故障轴承实验信号进行故障特征提取,结果表明该方法能够有效提取强背景噪声下故障特征成分,具有一定的应用前景。
关键词:稀疏表示 层次化分块正交匹配 块处理 包络谱峭度
单位:西南交通大学牵引动力国家重点实验室; 成都610031; 五邑大学轨道交通学院; 江门529020; 西华大学汽车测控与安全四川省重点实验室; 成都610039
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社