-
题名基于改进的稀疏度自适应振动数据修复方法
被引量：6
- 1
-
-
作者
谢馨
王华庆
宋浏阳
李景乐
郝彦嵩
-
机构
北京化工大学机电工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2019年第16期261-266,共6页
-
基金
国家自然科学基金(51675035)
-
文摘
基于压缩感知的数据重构方法已用于解决信号采集中受损数据的修复问题,该算法首先需要已知数据稀疏度,而振动信号的稀疏度通常难以确定,增加了数据修复的难度;稀疏度自适应匹配追踪算法(SAMP)无需预估信号稀疏度,可用于受损数据修复,但SAMP算法的修复结果受终止条件影响较大,导致修复精度不高且效率较低;为此提出了基于终止准则改进的稀疏度自适应数据修复方法。基于振动信号波形特征和先验知识,选择适当的字典矩阵实现信号稀疏化;以单位矩阵为基础,根据数据的缺失模型构造观测矩阵;为了避免传统SAMP算法终止系数选取不当,导致支撑集引入错误原子的问题,采用改进的SAMP算法重构出完整信号,实现受损数据修复。通过仿真信号及轴承实测信号验证了方法有效性,且改进的SAMP算法在重构精度和运算效率上均有所提高;此外,改进的SAMP算法重构效果优于正交匹配追踪(OMP)与正则化正交匹配追踪(ROMP)。
-
关键词
压缩感知(CS)
稀疏度自适应
终止准则
振动数据修复
-
Keywords
compressed sensing(CS)
sparsity adaptive
termination criterion
vibration data recovery
-
分类号
TH165
[机械工程—机械制造及自动化]
-
-
题名基于过完备字典的缺失振动数据压缩感知重构算法
被引量：11
- 2
-
-
作者
余路
曲建岭
高峰
田沿平
申江江
-
机构
海军航空工程学院青岛校区控制系
海军航空工程学院青岛校区电子系
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2017年第8期1871-1877,共7页
-
基金
国家自然科学基金(51505491)资助课题
-
文摘
针对振动数据采集过程中由于设备短路或环境变化等诸多因素导致的数据丢失问题,提出了一种基于过完备字典的缺失振动数据压缩感知重构算法。首先利用K-奇异值分解算法对大量振动数据进行字典学习得到过完备字典,然后构建缺失振动数据的采样矩阵作为压缩感知框架下的测量矩阵。最后利用正则化正交匹配追踪算法完成缺失数据的重构。通过振动数据库数据和实测航空发动机振动数据实验表明,所提算法优于传统基于离散余弦变换和离散傅里叶变换的数据修复算法,同时具有一定的鲁棒性。
-
关键词
字典学习
K-奇异值分解
压缩感知
振动数据修复
正则化正交匹配追踪
-
Keywords
dictionary learning
K-singular value decomposition （K -SVD ）
compressed sensing （CS ）
vi-bration data recovery
regular orthogonal matching pursuit （ROMP ）
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
