特征原子稀疏解析的多状态机械故障诊断方法

作     者：韩长坤 卢威 宋浏阳 王华庆 

作者机构：北京化工大学机电工程学院 中国石化催化剂有限公司工程技术研究院 高端压缩机及系统技术全国重点实验室 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(52075030,52375076) 国家资助博士后研究人员计划(GZC20230202) 国家重点研发计划(2022YFB3303603) 

主　　题：多状态故障 卷积稀疏解析 特征解耦 特征原子 故障诊断 

摘      要：轴承作为机械设备关键部件，因多状态故障特征微弱或耦合的特性，导致故障特征难发掘，给机械设备的健康监测带来极大挑战。因此，提出基于特征原子稀疏解析的故障诊断方法，实现轴承多状态故障稀疏特征解析与诊断。首先，提出特征原子滤波器构造方法，基于可调Q因子小波变换的重构子带最大峭度准则提取小波基原子，并赋予基原子周期性先验特征匹配信号中的多状态故障成份。其次，构建多通道卷积稀疏多状态故障特征解析模型，基于多特征原子与交替方向乘子法优化的卷积稀疏编码解析稀疏系数分量，并重构各故障特征分量，实现多状态故障分量稀疏解析。同时，提出基于稀疏信号峭度与能量结合的稀疏度参数化方法。最后，通过重构分量的包络谱分析结果，确定信号中的特征成份，实现多状态故障诊断。通过仿真、试验和工业水泵等信号的试验验证，并与卷积字典学习方法相比，所提方法具有更好稀疏解析优势。