基于卷积稀疏表示及等距映射的轴承故障诊断

作     者：施莹 庄哲 林建辉 SHI Ying;ZHUANG Zhe;LIN Jianhui

作者机构：西南交通大学牵引动力国家重点实验室 

出 版 物：《振动．测试与诊断》 (Journal of Vibration，Measurement & Diagnosis)

年 卷 期：2019年第39卷第5期

页      面：1081-1088,1138页

核心收录：

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 0703[理学-化学] 0801[工学-力学（可授工学、理学学位）] 0702[理学-物理学] 

基　　金：国家自然科学基金资助项目（51305358） 中央高校基本科研专项资金资助项目（2682017CX011） 

主　　题：轴箱轴承 卷积稀疏表示 希尔伯特变换 等距映射 故障诊断 

摘      要：针对卷积稀疏表示(convolution sparse representation,简称CSR)在轴承故障脉冲提取过程中过于依赖惩罚因子的缺点,提出了一种基于卷积稀疏表示、希尔伯特变换(Hilbert transform,简称HT)以及流形学习降维相结合的轴承故障诊断方法。首先,通过在不同惩罚因子下的CSR提取不同稀疏特征的脉冲;其次,针对提取的一系列脉冲进行希尔伯特变换,构造脉冲包络空间;最后,利用等距映射(isometric feature mapping,简称Isomap)流形学习算法对脉冲包络空间求解低维本征包络,以实现故障诊断。通过仿真数据以及台架实验数据验证表明:基于CSRHT-Isomap算法的轮对轴承故障诊断方法可以很好地提取轴承内圈及滚动体故障特征,通过与基于聚合经验模态分解和小波包变换的包络空间算法进行比较,证明该方法在提取本征包络、强化本征包络谱以及放大故障特征频率的谐波数方面具备较大优势。