针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法...针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。展开更多
为获得发动机悬置系统的相关参数,将非刚性、小柔性弹性体的发动机近似为含有n个质点的分布质点系。首先,根据拉格朗日方程建立了发动机悬置系统6自由度(6 degrees of freedom,简称6DOF)振动微分方程,包括质量阵、刚度阵和阻尼阵;其次,...为获得发动机悬置系统的相关参数,将非刚性、小柔性弹性体的发动机近似为含有n个质点的分布质点系。首先,根据拉格朗日方程建立了发动机悬置系统6自由度(6 degrees of freedom,简称6DOF)振动微分方程,包括质量阵、刚度阵和阻尼阵;其次,基于等效分布质点系统,构建发动机悬置3n DOF系统;然后,针对3点支撑的发动机台架系统,利用地磅测得每一个悬置处支撑的静态质量,通过发动机悬置测试试验系统测得发动机的激励输入信号及响应信号;最后,利用递推最小二乘法辨识得到分布质点系统的阻尼矩阵和刚度矩阵,在Matlab/Simulink中建立发动机悬置系统的仿真模型,并通过测试值与仿真值的对比,证明了辨识的准确性。给出的发动机悬置等效分布质点3n DOF系统在工程实际中,为悬置系统设计悬置支撑参数反解、悬置参数系统辨识提供了理论基础与实现途径。展开更多
文摘针对工业机械设备实时监测中不可控因素导致的振动信号数据缺失问题,提出一种基于自适应二次临近项交替方向乘子算法(adaptive quadratic proximity-alternating direction method of multipliers, AQ-ADMM)的压缩感知缺失信号重构方法。AQ-ADMM算法在经典交替方向乘子算法算法迭代过程中添加二次临近项,且能够自适应选取惩罚参数。首先在数据中心建立信号参考数据库用于构造初始字典,然后将K-奇异值分解(K-singular value decomposition, K-SVD)字典学习算法和AQ-ADMM算法结合重构缺失信号。对仿真信号和两种真实轴承信号数据集添加高斯白噪声后作为样本,试验结果表明当信号压缩率在50%~70%时,所提方法性能指标明显优于其它传统方法,在重构信号的同时实现了对含缺失数据机械振动信号的快速精确修复。
