带输送机作为煤矿主要的输送设备,其平稳健康运行对于煤矿的安全生产至关重要。严峻的工作环境使得带输送机托辊容易出现故障,造成严重的安全隐患,因此,对托辊的故障诊断具有重要的意义。针对井下存在非平稳噪声干扰和信号频率分布稀疏的问题,提出了一种基于时频掩码和稀疏表示的托辊故障诊断方法。首先,根据声音信号的时频图提取出每个信号振动周期的标准模态,并以标准模态度量原始时频图得到时频掩码矩阵。通过时频掩码去除非平稳噪声的干扰,防止故障误报。然后,利用稀疏表示中K奇异值分解(K-Singular Value Decomposition,K-SVD)算法学习得到健康样本的稀疏完备字典,并采用该字典分别对测试样本进行重构,根据重构误差实现故障诊断。实验结果表明,提出的时频掩码技术可以有效地滤除非平稳噪声;稀疏表示具有很高的故障诊断精度,并且可以提高诊断效率。
暂无评论