《表2 字典学习中的相关参数值》
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。
图表编号 | XD0067719300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.08 |
作者 | 林辉翼、郝伟、郝旺身、董辛旻 |
绘制单位 | 郑州大学振动工程研究所、郑州大学振动工程研究所、郑州大学振动工程研究所、郑州大学振动工程研究所 |
更多格式 | 高清、无水印(增值服务) |