[发明专利]机械振动信号压缩重构方法及系统

说明书

技术领域

本发明涉及机械振动信号监测领域，尤其涉及一种对机械振动信号进行压缩重构的方法及系统。

背景技术

在机械设备运行过程中，可通过检测到的机械振动信号了解和掌握机械设备的运行状态。机械振动信号不仅能够为提高机械设备的运行可靠性、安全性、有效性和管理水平提供数据信息，还可以为机械设备的结构优化、合理制造及生产过程提供数据信息。

目前，通常以奈奎斯特采样定理为基础的采样传感器对机械振动信号进行监测，且为了不丢失机械振动信号中携带的关于机械设备的信息，检测采样频率必须大于机械振动信号中的最高频率的两倍，才能由采样信号精确构建出原始的机械振动信号。但是，随着实际工业生产要求的不断提高，机械设备日趋大型化和高速化，在机械设备运行过程中，会发生碰撞、速度突变、结构变形及摩擦变化等情况，且机械设备中不同组成部件之间相互交叉耦合，导致机械振动更加复杂，随机性振动频率越来越高且呈现非线性、非平稳性。另外，随着大型机械设备的机械振动信号检测向综合、高速、连续和网络化发展，对机械振动信号进行监测时，会采集得到巨量数据，而这些数据的实时传输和同步存储对监测系统尤其是远程监测系统造成巨大压力。

发明内容

为缓解机械设备的监测系统实时传输和同步存储监测采集到的机械振动信号数据的压力，本发明提出一种机械振动信号压缩重构方法，该方法包括如下步骤：

步骤S1、采集机械振动信号f；

步骤S2、采用K-SVD字典学习算法训练得到最佳稀疏表示所述机械振动信号f的K-SVD过完备字典D'：

首先，对K-SVD字典学习算法中的参数n、K、N、L和J进行初始化设置，其中，

n₀为初始字典D中的原子长度n的初始值；

K₀为所述初始字典D中的原子个数K的初始值；

N₀为所述机械振动信号f的信号样本集合Y中的原子数N的初始值；

L₀为所述机械振动信号f稀疏表示时最多使用的线性组合原子数L的初始值；

J₀为K-SVD训练时的迭代次数J的初始值；

依据所述初始字典的原子长度n₀对所述机械振动信号f进行分割得到若干个原子，从分割得到的原子中选取N₀个原子组合构成信号样本集合Y，并从信号样本集合Y中随机选取K₀个原子组合构成初始字典D，利用OMP算法获得所述信号样本集合Y在所述初始字典D上的最佳稀疏系数矩阵X，并利用K-SVD字典学习算法对所述初始字典D进行迭代更新训练，得到最佳稀疏表示所述机械振动信号f的K-SVD过完备字典D'；

步骤S3、在所述K-SVD过完备字典D'上对所述机械振动信号f进行稀疏变换得到稀疏系数先验值α，f＝D'α；

步骤S4、根据设定的压缩率CR的值确定测量矩阵Φ，并利用所述测量矩阵Φ对所述机械振动信号f进行压缩感知，得到所述机械振动信号f的测量值y，且y＝Φf；

步骤S5、在所述K-SVD过完备字典D'和所述测量矩阵Φ上运用OMP算法对所述测量值y进行稀疏估计，得到稀疏系数估计值利用该稀疏系数估计值对所述机械振动信号f进行重构，得到所述机械振动信号f的重构机械振动信号且

步骤S6、对所述重构机械振动信号和所述机械振动信号f进行比较，计算出所述重构机械振动信号与所述机械振动信号f的相对误差σ，且

步骤S7、判断所述相对误差σ的值是否是最小，当所述相对误差σ的值非最小值时，返回所述步骤2，重新设置所述K-SVD字典学习算法中的参数的初始值，并重新对所述机械振动信号f进行压缩重构；当所述相对误差σ的值为最小值时，所述机械振动信号f压缩重构完成。