振动与冲击

作者：温江涛，孙洁娣 ，于洋，闫常弘

单位：1. 燕山大学河北省测试计量技术及仪器重点实验室 秦皇岛 066004；2. 燕山大学信息科学与工程学院 秦皇岛 066004

关键词：旋转机械振动信号；压缩感知重构；小波包字典优化；K-SVD；块稀疏贝叶斯学习

采用工业无线传感器网络的机械状态监测系统需要进行复杂的数据压缩和高精度的重构，而传感器网络节点资源受限，针对这一问题本文提出基于小波包字典优化的旋转机械振动信号压缩感知重构方法。该方法首先结合小波包多分辨率分析及K-SVD字典训练方法，提出了小波包字典优化方法代替传统的正交基字典稀疏表示方法，提高稀疏度。其次根据旋转机械振动信号自身特征，提出用块稀疏贝叶斯学习最大期望值算法，代替传统仅依赖于稀疏假设的算法实现信号重构。实际轴承振动信号仿真结果表明，该方法相对于传统的压缩感知方法重构性能明显提高。<br>

来源：2018年第22期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第22期