学生姓名：兰代平

班学生级：机械2017-04班

指导教师：张新

毕设题目：基于稀疏表示分类的轴承故障智能诊断

一、概况

1.选题意义

滚动轴承是机械设备中应用最为广泛的零部件之一，它需要在高速、高温、高负载等十分恶劣的工况下运行，因此也是最容易发生故障的零部件之一。统计数据表明：滚动轴承故障占旋转机械各类故障30％，而在齿轮箱的各类故障中20％与滚动轴承故障有关，仅次于齿轮故障。可见，滚动轴承是否可靠往往影响着整个机械设备的运行状对滚动轴承进行状态监测与故障诊断能有效提高设备正常运行的可靠性，延长设备的使用寿命，降低设备检修费用，因此，无论是从安全的角度，还是从减少企业经济损失的角度，对滚动轴承进行有效的状态监测与故障诊断都是十分必要的。

2.任务分解

（1）研国内外研究背景及技术的发展，了解轴承的结构、典型故障类型及故障诊断的基本方法与诊断流程。

（2）查阅资料，掌握稀疏表示及稀疏表示分类方法的原理以及流程。

（3）编写稀疏表示分类算法的mtalab程序。

（4）采用实测信号，对所提的方法进行实验验证。

（5）将所提方法与其他轴承诊断及分类的方法进行比较。

（6）撰写毕业设计论文并制作答辩PPT。

二、已完成工作

1. 相关资料查阅学习翻译工作

查阅了大量与稀疏表示和稀疏表示分类相关的国内外资料，了解了稀疏表示及分类的整个过程。此外还完成了外文资料的翻译。

2. 稀疏表示算法的matlab实现及验证

对所提出的方法进行验证，采用美国凯斯西储大学实测信号中正常状态、内圈故障、外圈故障和滚动体故障4种状态的数据。下图为实验台。训练数据选取如表1。测试数据选取如表2。轴承参数见表3。

实验验证过程中我从正常状态、内圈故障、外圈故障和滚动体故障四种类型的训练数据中每类选取10240个数据点，并将每类数据分解成64×160的样本集。基于每类样本集，采用K-SVD算法训练出正常状态、内圈故障、外圈故障和滚动体故障四类过完备字典。

然后从正常状态、内圈故障、外圈故障和滚动体故障四种类型的测试数据中每类选取1024个数据点进行测试。基于每类测试样本，采用正交匹配追踪（OMP）算法求解每类测试数据对应与该类字典的稀疏编码。每类过完备字典的部分原子和每类测试数据的编码结果如下图所示。

接下来我使用训练出的正常状态、内圈故障、外圈故障和滚动体故障四类过完备字典。分别对对应状态的故障信号进行了稀疏重构，测试信号、重构信号以及各自的包络谱图如下。

接下来按照分类的流程对正常状态、内圈故障、外圈故障和滚动体故障四类状态进行分类。下图为分类的结果，可以看出所提的方法可以很好的对故障类型进行分类。

三、下一步工作计划

对所提出的方法进行改进，对字典构造方法进行优化，进一步提升故障识别效率和精度。

目前只完成了对分类结果的测试，接下来需要将所提出的稀疏表示分类方法与已有的各种轴承故障诊断分类方法进行比较，进一步证明稀疏表示分类方法的优越性。

能够用此方法对多类测试数据进行分类。

最后按要求撰写毕业论文。

问题一：所提方法与传统方法相比，有何优势？

回生答：所提方法使用的是新发展的压缩感知领域里面的稀疏表示方法，它使用字典原子的线性组合来稀疏表示原始的信号，不仅可以达到减噪去噪的效果，而且减少了运算量，节约了储存空间。

从去年选题到现在的中期答辩，时间过得很快，在这一段时间里，我从对课题任务的陌生到逐渐去查阅资料一步一步的明确课题设计目标、设计流程，在这之间需要自己的认真付出，同时也有导师的幸勤指导。我的课题是一个相对于较新的领域，主要研究压缩感知知识在轴承故障诊断领域的应用，涵盖了它的数学理论部分和算法实践。虽然对于我来说充满了挑战，但经过一次一次的尝试和思考，还是完成了部分的内容，在接下来的时间了，我会依旧以这样的态度和热情完成剩下的任务。