真空泵转子故障信号AP-SVD-SAMP重构及其智能诊断

作     者：吴宗 张小强 王亮亮 

作者机构：中山职业技术学院机电工程学院 广东工业大学机电工程学院 东莞市东轮齿轮有限公司 

出 版 物：《机械设计与制造》 (Machinery Design & Manufacture)

年 卷 期：2025年

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

基　　金：广东省教育厅科技项目重点领域专项(2020ZDZX2080) 

主　　题：压缩感知 自适应分块 重构算法 稀疏字典 

摘      要：为了提升滚动轴承故障的分块压缩感知效率，引入自适应分块(Adaptive partitioning， AP)和奇异值分解(singular value decomposition， SVD)的数据处理技术来实现稀疏度自适应匹配追踪(OMParsity adaptive matching pursuit， SAMP)，设计了一种故障信号AP-SVD-SAMP重构方法。对采集的真空泵转子故障信号进行信号分块并分解奇异值处理，再通过SVD-SAMP算法重构计算获得更优的支撑集原子组合形式。研究结果表明：转子故障信号重构结果得到，采用AP-SVD-SAMP算法进行计算时达到最低相对误差，提升信号重构精度。混合故障信号重构处理后，能够对最初信号特征进行精确反馈，显著改善了匹配性能。AP-SVD-SAMP算法可以在达到处理效率的基础上获得更高的重构精度。该研究实现了故障信号重构精度与效率的双重提升，显著改善数据处理性能