作　　者： (李丽敏）; (温宗周）;

机构地区： 西安工程大学电子信息学院,陕西西安710048

出　　处： 《西安工程大学学报》 2017年第4期515-520,共6页

摘　　要： 在旋转机械的轴承故障诊断中,为了平衡诊断结果的鲁棒性和快速性,提出一种基于快速时移不变稀疏编码(SISC)算法的自适应轴承故障诊断方法.该方法通过字典学习获取信号本身的特征,并基于时移不变特性学习不同条件下信号特征.该方法通过学习当前故障下的一种条件,使其他条件也具有很强的鲁棒性,同时在SISC算法中引入快速算子,使得快速性也有所提高.实验结果表明,此方法在鲁棒性和快速性方面均优于传统智能故障诊断方法. In order to balance robustness and speedability in bearing fault diagnosis of rotating machinery,a new method of self-adaptive bearing fault liagnosis based on shift-invariant sparse coding （SISC） method is proposed. This method learns features of raw signal by dictionary learning,features of different conditions by shift-invariant character, and features from each condition of the same fault, which are adaptive to other conditions.At the same time, by intro- ducing the fast operator in SISC,the speed of fault diagnosis is improved.The experimental test shows that the new algorithm has better performance than conventional intelligent algorithms.

关 键 词： 多条件轴承故障诊断 鲁棒性和自适应性 时移不变稀疏编码