摘要
针对目前机械设备越来越智能化、高速化、集成化和复杂化,传统的压缩感知模型(单测量向量)获得的测量信息比较单一,需要在不同监测点分别进行测量获得多个信号数据,浪费时间,并且忽略同一机器不同监测点之间信号的相关性,为充分利用信号间和信号内的相关性,更大程度上减少冗余性和采样时间,提出一种基于多测量向量模型的机械振动信号联合稀疏重构方法.重点研究了重构方法的设计:基于粒子群算法,首先通过时间稀疏贝叶斯算法求解出初始解,然后结合贪婪算法的修剪技巧并加入自适应粒子激活机制进行位置更新寻找最优解,最后对振动信号进行精确重构.实验结果显示,该方法较其它方法而言能有效的恢复机械振动信号且重构误差相对较小.
NETL
NSTL
维普
万方数据