一种基于改进稀疏滤波的机械故障特征自动提取方法

摘要

本发明公开了一种基于改进稀疏滤波的机械故障特征自动提取方法，包括：1.将采集到的信号采样后作为训练样本,对采样到的时域样本进行快速傅里叶变换，将原时域信号样本转换成频谱样本，并对频域样本进行白化。2.使用白化处理的频域样本来训练改进的L1正则化的稀疏滤波，并通过训练提前终止策略来决定迭代次数以加快训练获得权值矩阵等参数，从而提取旋转机械振动信号的高维故障特征。3.使用前向传播，计算训练样本的特征。4.采用高维特征训练分类器，实现对提取的特征的自动分类。5.将设备采集得到的振动数据信号输入到训练好的网络，实现故障信号的特征自动提取。本发明的网络泛化能力强，训练速度快，故障诊断稳定且准确率高。