非平稳信号时频压缩感知理论及在机械故障诊断中的应用研究

机械故障诊断对提高装备整体运行安全性和可靠性，避免意外停机及恶性事故具有重大意义。时频分析技术是机械故障诊断的有力工具，但是时频信息获取、传输与存储效率低成为制约这一优秀工具在装备实时监测与诊断领域应用的瓶颈。压缩感知融合信号高速采样与高效压缩过程，可减少信息获取时间及存储空间。本课题针对机械运行过程非平稳性，开展机械故障非平稳信号时频压缩感知理论及应用基础研究。具体为：基于线调频小波基的非平稳信号稀疏时频表示，构造满足约束等距与不相关性的时频压缩感知测量方式；修正噪声干扰的时频感知重构模型，研究基于梯度映射的稀疏时频信息鲁棒、快速重构算法；融合特征提取与模式识别技术，在时频压缩感知域内提取机械故障特征并识别故障。本课题的研究将拓展压缩感知理论，解决时频信息获取效率低、占用存储空间大等问题，推动时频分析技术在机械故障实时监测与诊断应用的进程，具有较高的科学理论意义与实际应用前景。

机械故障诊断对提高装备整体运行安全性和可靠性，避免意外停机及恶性事故具有重大意义。时频分析技术是机械故障诊断的有力工具，但是时频信息获取、传输与存储效率低的问题成为制约其在装备状态监测与实时诊断应用的瓶颈。课题基于最近的研究热点压缩感知理论，探索非平稳信号时频表示的压缩感知理论以及在机械故障诊断中的应用研究。课题研究非平稳信号的时频稀疏表示；构造满足约束等距的时频压缩感知测量方式；拓展噪声干扰下时频感知重构模型，研究基于并行邻近点分离算法超过两个函数求和的稀疏时频信息完美、鲁棒、快速的重构算法；并融合特征提取与模式识别理论，在时频压缩感知域内提取机械故障特征以及识别故障。另外，本课题还提出了在信号稀疏表示下的改进最小描述长度降噪方法，可以无需人为干预自动定义噪声阈值并进行降噪处理。项目还提出了时频压缩技术领域的稀疏局部均值分解及相应齿轮故障诊断的新型时频特征指标，并成功应用于实际齿轮故障诊断与维护中。这些新理论与技术将推动时频分析技术在机械故障实时诊断应用的进程，因此具有很高的科学理论意义与实际应用前景。在基金委资助下，发表SCI期刊论文8篇（其中SCI、EI双收录7篇）、EI期刊论文1篇、国际会议论文1篇，申请国家专利10件（已授权发明专利2件、实用新型4件），获得国际“洪堡学者”奖1项。