来源：期刊VIP网 时间：
作者：吴宗;张小强;王亮亮;
单位：中山职业技术学院,机电工程学院;广东工业大学,机电工程学院;东莞市东轮齿轮有限公司;
摘要：为了提升滚动轴承故障的分块压缩感知效率，引入自适应分块（Adaptive Partitioning,AP）和奇异值分解（Singular Value Decomposition,SVD）的数据处理技术来实现稀疏度自适应匹配追踪（OMParsity Adaptive Matching Pursuit,SAMP），设计了一种故障信号AP-SVD-SAMP重构方法。对采集的真空泵转子故障信号进行信号分块并分解奇异值处理，再通过SVD-SAMP算法重构计算获得更优的支撑集原子组合形式。研究结果表明：转子故障信号重构结果得到，采用APSVD-SAMP算法进行计算时达到最低相对误差，提升信号重构精度。混合故障信号重构处理后，能够对最初信号特征进行精确反馈，显著改善了匹配性能。AP-SVD-SAMP算法可以在达到处理效率的基础上获得更高的重构精度。该研究实现了故障信号重构精度与效率的双重提升，显著改善数据处理性能。
关键词：压缩感知;;自适应分块;;重构算法;;稀疏字典
基金资助：广东省教育厅科技项目重点领域专项（2020ZDZX2080）
