[发明专利]一种基于KSVD字典学习的滚动轴承故障特征提取方法

摘要

一种基于KSVD字典学习的滚动轴承特征提取方法，先将采集到的轴承振动加速度信号进行分割得到字典学习训练集，保证每段信号只含有一个冲击；利用KSVD算法学习得到学习字典；从采集到的轴承振动加速度信号中截取一段信号y；计算学习字典中每一列原子与信号y的相关系数，选取相关系数最大的四个所对应的原子进行循环移位得到优化字典；利用正交匹配追踪算法重构信号，获得轴承故障特征提取时域图；本发明方法所构造的优化字典与实际的滚动轴承局部损伤振动响应波形更接近，具有一定的物理意义；剔除了学习字典中的冗余原子，提高了轴承特征提取的抗噪性，能够很好的提取轴承故障特征。

主权项

1.一种基于KSVD字典学习的滚动轴承故障特征提取方法，其特征在于，包括以下步骤：1)通过数据采集器利用加速度传感器对轴承运行过程的振动信号进行测量，获得的振动加速度信号作为待分析信号X(t)，数据采集器的采样频率fs不小于10k，采样时间长度T不少于10s；2)将待分析信号X(t)分为m段，长度为n，保证每一段信号中只包含一个冲击，建立字典学习训练集X，字典学习训练集X的每一列为截取的一段信号，其中m≥4n；3)输入字典学习训练集X，设置稀疏度T为3，初始字典D的参数：行数为n,列数为K＝2n，应用字典学习KSVD算法，经稀疏编码、字典更新两阶段得到最终的学习字典D1；4)从待分析信号X(t)中截取一段信号y，y中至少包含待分析信号X(t)中的3个冲击；5)取学习字典D1的一列di，并在di后面补0，使其信号长度与y一致，记为ci,其中i＝1,2,3…,K；6)取补0后的ci，进行循环移位得到cij，每循环移位一次按公式(5)计算相关值kij，直至移位次数j＝n，取相关值kij中的最大值，记为相关系数ki，式中，表示信号y与补0后的字典原子cij做内积，||y||2表示信号y的2范数，||cij||2示信号cij的2范数；7)将学习字典D1中每一列原子计算得到的相关系数ki数值进行排序，根据相关系数ki数值从大到小顺序，选择前四个相关系数最大的字典原子，分别记为a1、a2、a3、a4；8)分别将四个字典原子a1、a2、a3、a4以1为单位循环移位n次，得到4n个新原子，构成优化字典D2，其中优化字典D2的行数为n，列数为4n；9)输入优化字典D2和字典学习训练集X，利用正交匹配追踪算法重构信号，提取出轴承故障特征。