基于小波包频带稀疏编码的非完备信息条件下轴承状态识别

马云飞，贾希胜，胡起伟，郭驰名，邢 鹏

(1.武警士官学校 军械系，杭州 310023；2.陆军工程大学石家庄校区 装备指挥与管理系，石家庄 050003)

作为装备传动系统的常见组件，轴承在各类型装备中发挥重要作用，及早发现轴承故障并进行相应维修能够有效提高装备的可用性和战备完好性[1]。因此，利用故障预测与健康管理[2]技术对轴承进行退化状态识别具有十分重要的意义。

目前，传统的退化状态识别模型建立在完备先验知识的基础上，即需要知道各退化状态的分界点，得到各个退化状态数据。但在实际中，很难准确地对轴承全寿命数据进行状态阶段划分，导致完备先验知识下的状态识别模型适用性较差[3]。而新轴承在经历短暂磨合期后，处于正常润滑阶段，以及轴承发生了较为严重的故障，处于严重摩擦阶段的情况下，监测者很容易区分出上述阶段，从而获得大量这两个阶段的状态信息。基于此，本文提出了基于正常润滑和严重摩擦两种状态信息的非完备先验知识状态评估模型。

近年来，稀疏编码理论广泛应用于降噪[4]，图像超分辨率重建[5]，图像融合[6]。Wright等[7]根据稀疏字典的判别性，提出了稀疏表示分类方法(sparse representation-based classification,SRC)。此后，学者将SRC理论应用于状态监测领域，开展了大量研究。Zhang等[8]提出基于压缩感知的轴承故障诊断模型，只需要采样和存储少量压缩观测数据，直接使用这些数据即可进行故障诊断。Tang等[9]基于稀疏表示方法和随机降维投影，对原始信号进行降维采样和SRC故障识别。……