旋转机械故障的周期时频稀疏检测
摘要：在振动信号中提取定期振荡特征以检测旋转机械故障的问题是本文的研究内容。为了提取这些特征，我们提出了一种在短时傅里叶变换（STFT）领域中的方法，其中定期振荡特征表现为相对稀疏的网格。为了估计稀疏网格，我们使用自定义的二进制权重设计了一个优化问题，在正则化中推崇周期性。为了解决这个优化问题，我们开发了一种被称为增广拉格朗日主导最小化算法的算法，它将分裂增广拉格朗日收缩算法（SALSA）与主导最小化算法（MM）结合在一起，并能保证收敛性，适用于凸和非凸形式。作为示例，这种方法被应用于模拟数据，并用作诊断真实数据中轴承和齿轮箱故障的工具，并与一些最先进的方法进行了比较。结果显示，该方法能够有效地检测和提取定期振荡特征。
作者：Yin Ding, Wangpeng He, Binqiang Chen, Yanyang Zi, Ivan W. Selesnick
论文ID：1511.00393
分类：Sound
分类简称：cs.SD
提交时间：2016-08-24