基于SQSWOMP算法的轴承实时故障诊断研究

针对轴承故障诊断方法存在数据存储、传输、处理效率低,以及模型参数量大导致资源浪费、故障诊断精度低等问题,在基于改进的分段弱正交匹配追踪(SWOMP)算法的基础上,针对SWOMP算法存在重构精度低的问题,在SWOMP算法中引入S形函数与对原子支撑集的二次选择过程,提出了一种基于S形二次分段弱正交匹配追踪(SQSWOMP)算法的轴承实时故障诊断方法.首先,采用滑动移窗,将轴承历史数据分割成矩阵,得到了其初始字典,用改进的K-SVD算法建立了过完备字典;然后,将SQSWOMP算法与训练好的过完备字典结合,重构了轴承的实时振动信号;最后,利用字典可以有效对特定状态信号进行稀疏分解,而对其他状态信号不能稀疏分解的特点,对重构信号进行了分类.研究结果表明:相比于其他匹配追踪算法,SQSWOMP算法在重建精度和效率方面具有优势,解决了 SWOMP算法重建精度低的问题;在不需要消耗大量存储、传输资源的情况下,采用SQSWOMP算法可将正常、内圈、外圈、滚动体故障诊断准确率提升2.17％、23.46％、17.30％、18.38％,且其准确率也优于其他方法,为轴承的实时故障诊断提供了便利.