基于改进频域压缩感知的轴承复合故障欠定盲提取

针对旋转机械复合故障频域盲提取算法的不足,为提高欠定盲提取分离结果精度,提出基于多尺寸多结构元素的闭-开组合形态滤波、遗传模拟退火聚类及频域压缩感知重构算法相结合的(C-OACMF-GASA-CS)故障特征欠定盲提取方法。利用形态滤波滤除背景噪声及提取冲击信号;利用遗传模拟退火算法估计混合矩阵;用估计矩阵重构传感矩阵,并用正交匹配追踪基频域压缩感知重构分离信号。实验仿真及双通道滚动轴承故障加速度振动信号分析结果表明,该方法能有效分离提取滚动轴承故障特征。

一个基于像素编组和逐级质量控制的线段检测算子

针对现有线段提取算法存在的不足,提出了一个点元梯度特征引导下的线段检测算子,在编组的前、中和后三大环节进行逐级质量控制.基于梯度最优并结合邻近性、方向性等规则控制"欠提取"错误,采用假设检验方法控制"过提取"错误.多源数据实验表明,提出的算法在编组中不易受到弱梯度像素或噪声的干扰,与经典的线段提取算子相比,在线段提取的效率和稳健性都有一定的优势,有利于实现从场景到结构的重要视觉符号描述.

轴承复合故障欠定盲提取算法研究

针对实际工业现场强背景噪声、干扰源多、源数目未知等问题,提出一种基于多尺寸多结构元素的闭-开平均组合形态滤波和SCA相结合的(C-OACMF-SCA)故障特征盲提取方法.首先使用C-OACMF滤除背景噪声信号,提取观测信号的特征信号,然后使用模拟退火遗传算法的模糊C-均值聚类算法估计混合矩阵,最后通过线性规划估计源信号,实现故障特征提取.通过计算机仿真及实际环境下轴承复合故障振动信号欠定盲分离实验验证该算法的有效性.