《表2 字典学习中的相关参数值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《全矢谱和稀疏分解结合的轴承故障特征提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从图3可看出，由于处在故障早期，两个通道信号的故障特征基本被掩盖，因此仅根据信号的时域波形图无法判断该轴承是否发生故障，更无法判定其故障类型。利用全矢稀疏分解特征提取方法对上述双通道信号进行处理。首先根据上述字典训练算法流程构造自适应字典。采用DCT字典为初始字典，再根据K-SVD方法更新X通道和Y通道信号各自的字典，主要参数设置情况，如表2所示。根据上述步骤所得到的字典，如图4所示。其中，每行波形表示字典原子，即为重构信号的基本元素。