[发明专利]机械振动信号压缩重构方法及系统

摘要

本发明涉及机械振动信号监测领域。为缓解机械设备的监测系统实时传输和同步存储监测采集到的机械振动信号数据的压力，本发明提出一种机械振动信号压缩重构方法，采集机械振动信号f；训练得到K‑SVD过完备字典D'在K‑SVD过完备字典D'上进行稀疏变换得到稀疏系数先验值α；根据压缩率CR的值确定测量矩阵Φ并对机械振动信号f进行压缩感知得到测量值y；运用OMP算法估计得到稀疏系数估计值对机械振动信号f进行重构得到重构机械振动信号且计算出的相对误差σ；判断相对误差σ的值是否是最小，当相对误差σ的值非最小值时，重新设置K‑SVD字典学习算法中的参数进行压缩重构；当相对误差σ的值为最小值时，压缩重构完成。该机械振动信号压缩重构方法的压缩重构精度高。

主权项

一种机械振动信号压缩重构方法，其特征在于，该方法包括如下步骤：步骤S1、采集机械振动信号f；步骤S2、采用K‑SVD字典学习算法训练得到最佳稀疏表示所述机械振动信号f的K‑SVD过完备字典D'：首先，对K‑SVD字典学习算法中的参数n、K、N、L和J进行初始化设置，其中，n0为初始字典D中的原子长度n的初始值；K0为所述初始字典D中的原子个数K的初始值；N0为所述机械振动信号f的信号样本集合Y中的原子数N的初始值；L0为所述机械振动信号f稀疏表示时最多使用的线性组合原子数L的初始值；J0为K‑SVD训练时的迭代次数J的初始值；依据所述初始字典的原子长度n0对所述机械振动信号f进行分割得到若干个原子，从分割得到的原子中选取N0个原子组合构成信号样本集合Y，并从信号样本集合Y中随机选取K0个原子组合构成初始字典D，利用OMP算法获得所述信号样本集合Y在所述初始字典D上的最佳稀疏系数矩阵X，并利用K‑SVD字典学习算法对所述初始字典D进行迭代更新训练，得到最佳稀疏表示所述机械振动信号f的K‑SVD过完备字典D'；步骤S3、在所述K‑SVD过完备字典D'上对所述机械振动信号f进行稀疏变换得到稀疏系数先验值α，f＝D'α；步骤S4、根据设定的压缩率CR的值确定测量矩阵Φ，并利用所述测量矩阵Φ对所述机械振动信号f进行压缩感知，得到所述机械振动信号f的测量值y，且y＝Φf；步骤S5、在所述K‑SVD过完备字典D'和所述测量矩阵Φ上运用OMP算法对所述测量值y进行稀疏估计，得到稀疏系数估计值利用该稀疏系数估计值对所述机械振动信号f进行重构，得到所述机械振动信号f的重构机械振动信号且步骤S6、对所述重构机械振动信号和所述机械振动信号f进行比较，计算出所述重构机械振动信号与所述机械振动信号f的相对误差σ，且步骤S7、判断所述相对误差σ的值是否是最小，当所述相对误差σ的值非最小值时，返回所述步骤2，重新设置所述K‑SVD字典学习算法中的参数的初始值，并重新对所述机械振动信号f进行压缩重构；当所述相对误差σ的值为最小值时，所述机械振动信号f压缩重构完成。