关键词：多状态故障;卷积稀疏解析;特征解耦;特征原子;故障诊断
摘 要：轴承作为机械设备关键部件，因多状态故障特征微弱或耦合的特性，导致故障特征难发掘，给机械设备的健康监测带来极大挑战。因此，提出基于特征原子稀疏解析的故障诊断方法，实现轴承多状态故障稀疏特征解析与诊断。首先，提出特征原子滤波器构造方法，基于可调Q因子小波变换的重构子带最大峭度准则提取小波基原子，并赋予基原子周期性先验特征匹配信号中的多状态故障成份。其次，构建多通道卷积稀疏多状态故障特征解析模型，基于多特征原子与交替方向乘子法优化的卷积稀疏编码解析稀疏系数分量，并重构各故障特征分量，实现多状态故障分量稀疏解析。同时，提出基于稀疏信号峭度与能量结合的稀疏度参数化方法。最后，通过重构分量的包络谱分析结果，确定信号中的特征成份，实现多状态故障诊断。通过仿真、试验和工业水泵等信号的试验验证，并与卷积字典学习方法相比，所提方法具有更好稀疏解析优势。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取