1、隨著科技的發(fā)展和需求的提升，現(xiàn)代裝備的復(fù)雜度、精密度、集成度以及智能程度越來越高，而工況卻越來越苛刻，因此對這些設(shè)備的可靠性提出了更高的要求。為了減少和避免設(shè)備運(yùn)行中不可預(yù)知的失效所帶來的各種經(jīng)濟(jì)損失和人身危害，狀態(tài)監(jiān)測和故障診斷技術(shù)的發(fā)展和應(yīng)用顯得尤為必要。先進(jìn)的狀態(tài)監(jiān)測和故障診斷技術(shù)不僅可以發(fā)現(xiàn)早期故障，避免事故發(fā)生，更能從根本上解決維修不足和過剩維修的問題。
　　本文圍繞信號稀疏表征理論的最新研究進(jìn)展，以滾動軸承、齒輪等核心

2、部件為主要研究對象，開展了基于稀疏表征理論的故障信號分析與故障特征提取技術(shù)的研究。文中的工作主要在三個層面展開：基于稀疏理論的機(jī)械故障信號的時頻表達(dá)（時頻分析技術(shù)）；信號形態(tài)成分分析技術(shù)（成分分離技術(shù)）；以及基于移不變稀疏編碼的早期故障和弱故障特征提取技術(shù)（弱特征提取技術(shù)），提出了一系列基于稀疏約束和冗余表達(dá)思想的特征強(qiáng)化、噪聲抑制、多故障分析等方法，并將這些方法應(yīng)用于各種仿真和實驗數(shù)據(jù)的分析以驗證其有效性。本文的主要內(nèi)容如下：

3、　　(1)從狀態(tài)監(jiān)測和故障診斷技術(shù)在工程實際中的巨大應(yīng)用價值以及設(shè)備故障診斷學(xué)的學(xué)科理念出發(fā)，闡述了論文選題的背景和研究意義。以軸承、齒輪等核心零部件為關(guān)鍵研究問題，從時域分析方法、頻域分析方法和時頻域分析方法等幾個方面，系統(tǒng)而扼要地闡述了國內(nèi)外學(xué)者和工程技術(shù)人員在機(jī)械故障信號處理技術(shù)上的研究現(xiàn)狀和熱點(diǎn)。最后，論述了稀疏表征理論的發(fā)展概況，以及它在故障診斷中具有的研究和應(yīng)用潛力，并提出了本文的研究思路和技術(shù)框架。
　　(2)推導(dǎo)了

4、稀疏表征理論的數(shù)學(xué)模型、稀疏性度量標(biāo)準(zhǔn)等理論表述，詳細(xì)介紹了稀疏表征問題中的優(yōu)化問題求解思路、常用的求解方法以及信號精確重構(gòu)的的條件等。主要對基追蹤、FOCUSS算法、匹配追蹤等系數(shù)求解算法進(jìn)行了說明，并對常用的系數(shù)求解算法做了性能的對比。此外，對冗余字典的構(gòu)造、典型的分析字典以及自學(xué)習(xí)字典等進(jìn)行了介紹，這些基本概念和理論的闡述為后續(xù)章節(jié)的展開奠定了基礎(chǔ)。
　　(3)論述了稀疏表征與信號能量時頻分布之間的關(guān)聯(lián)，通過對典型信號的分析

5、和方法對比得出了基于稀疏原子重構(gòu)的時頻分布的特點(diǎn)。結(jié)合滾動軸承的結(jié)構(gòu)特點(diǎn)和運(yùn)動特征，推導(dǎo)了軸承點(diǎn)蝕故障的信號模型，并進(jìn)一步得到特征頻率的計算方法。利用滾動軸承故障仿真信號，說明了稀疏原子重構(gòu)時頻分析在故障特征強(qiáng)化和噪聲抑制上的能力。最后提出一種基于AR預(yù)白化和稀疏分解的沖擊特征強(qiáng)化方法，實驗證明該方法可有效抑制信號中的固有成分和噪聲，進(jìn)而強(qiáng)化沖擊成分。
　　(4)首先論述形態(tài)成分分析的基本概念、原理和算法實現(xiàn)，并通過相關(guān)算例進(jìn)一步

6、闡述形態(tài)成分分析方法的特性。結(jié)合齒輪傳動的結(jié)構(gòu)和運(yùn)行特點(diǎn)，介紹了齒輪故障的仿真信號模型，并對齒輪箱加性混合仿真信號進(jìn)行了形態(tài)成分的分離研究。通過實驗分析證明了形態(tài)成分分析方法在分離故障信號中不同形態(tài)分量的可行性和有效性。
　　(5)從實現(xiàn)微弱故障特征提取所面臨的挑戰(zhàn)為切入點(diǎn)，引出了移不變稀疏編碼思想所能提供的解決方向，進(jìn)而介紹了移不變稀疏編碼的理論模型和算法實現(xiàn)，提出了一種基于該思想的微弱故障特征提取方法，可實現(xiàn)重復(fù)性出現(xiàn)的弱特征

7、的有效提取。通過對極低信噪比的軸承故障仿真信號的分析，說明了該方法的參數(shù)選擇原則和算法實施流程，也證明了該方法在處理強(qiáng)噪聲信號時的有效性。通過3個具有典型代表的實驗分析，驗證了該方法在軸承早期故障探測、變速箱微弱故障提取以及在較強(qiáng)嚙合成分干擾下提取齒面故障信息等方面的能力。
　　(6)研究了如何利用移不變稀疏編碼思想解決多故障信號的分析問題，結(jié)合機(jī)械故障信號本身的特點(diǎn)，充分考慮單通道線性混合信號與移不變稀疏編碼模型的關(guān)聯(lián)性，提出了

8、一種基于移不變稀疏編碼的時域特征自學(xué)習(xí)和自適應(yīng)聚類的故障信號單通道盲源分離方法，并基于最小化各個源信號結(jié)構(gòu)相關(guān)性實現(xiàn)源信號數(shù)目的估計。在仿真信號的分析中，對該方法的流程和效果做了介紹，并對源信號能量對比不均等、噪聲干擾較大等情況做了進(jìn)一步的分析，說明該方法的魯棒性。對軸承復(fù)合故障實驗信號的分析結(jié)果驗證了該方法能有效分離由不同故障引起的各種信號成分。
　　綜上所述，本文主要圍繞稀疏表征在故障診斷中的研究展開，主體內(nèi)容的安排逐層遞進(jìn)，

9、首先以稀疏表征的理論推導(dǎo)和介紹做為本文的基礎(chǔ)內(nèi)容（第二章），進(jìn)而研究基于單一字典庫的稀疏表征方法在故障信號沖擊成分強(qiáng)化及時頻特征提取等方面的應(yīng)用（第三章），接著對基于多字典庫的形態(tài)分析方法進(jìn)行論述和研究，并將相關(guān)方法用于故障信號中不同成分的分離（第四章），進(jìn)一步地，提出了一種基于字典自學(xué)習(xí)的弱故障特征提取方法，稱為基于移不變稀疏編碼的弱特征提取技術(shù)（第五章），它具有更好的自適應(yīng)性，結(jié)合移不變稀疏編碼的特性，本文最后對多故障信號的分析做了