机械工程学报

作者：秦毅, 杨瑞, 赵丽娟, 毛永芳

单位：1. 重庆大学机械与运载工程学院 重庆 400044;2. 重庆中车时代电气技术有限公司 重庆 401120;3. 重庆大学自动化学院 重庆 400044

关键词：稀疏表示,算法展开,信号去噪,可解释网络,故障诊断；

基金：国家自然科学基金资助项目(52175075)。

滚动轴承是重要的支撑部件，容易发生故障，迫切需要对其进行故障诊断。但是采集的轴承振动信号中存在噪声，制约了诊断精度的提升。针对基于信号处理、深度学习及稀疏算法展开的去噪方法存在的自适应性差、可解释性低、有监督训练等问题，设计DCT-Laplace字典以表示信号的谐波和冲击成分；提出去冲击区域的小波变换噪声估计方法以确定噪声的标准差；然后通过比较噪声和重构残差的功率自适应地确定稀疏算法展开网络的展开数，进而构建一种无监督噪声自适应的匹配追踪算法展开去噪网络；最后将去噪结果输入到多层迭代软阈值算法网络实现轴承的故障诊断。将所提方法应用于两个滚动轴承故障诊断试验，并与其他典型去噪方法进行对比。试验结果验证了所提方法能有效地去除信号中的噪声及保留故障特征，因而提高了噪声下故障诊断的精度。

来源：2025年第12期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第12期