李继猛 李 铭 王 慧 张金凤 张云刚

1.燕山大学电气工程学院，秦皇岛，066004 2.燕山大学里仁学院，秦皇岛，066004

0 引言

近几年，风能凭借着分布广泛、蕴藏量大等特点在世界各国得到了持续快速的发展［1］。2016年，我国风电开发建设总规模为3 083万kW，预计2050年我国风电装机容量将达到10亿kW，风电将成为发电主力［2］。滚动轴承作为风电装备的基础部件，一旦出现故障，将可能引发连锁反应，导致整个系统停机，造成巨大的经济损失和恶劣的社会影响。在故障发生的初期，嘈杂的外部环境以及电磁干扰等导致采集的信号含有较多噪声和干扰分量，信噪比较低，难以及时发现滚动轴承的故障征兆［3］，因此，选取正确的故障诊断方法对滚动轴承故障特征进行提取一直是风电装备故障诊断技术研究的热点和难点。

针对风电装备中滚动轴承振动信号的成分多样以及非平稳等导致故障特征难以提取的问题，稀疏分解理论提供了一种全新的思路。稀疏分解的概念由COIFMAN等［4］在1992年提出，其核心思想是利用不同的基函数构造超完备字典，将信号在字典上展开，得到最稀疏的表达方式。目前，稀疏分解中的重构算法主要有两类：一类是以基追踪（basis pursuit，BP）算法［5］为代表的凸松弛法；另一类是以匹配追踪（matching pursuit，MP）［6］和 正 交匹配追踪（orthogonal matching pursuit，OMP）［7］算法为代表的贪婪算法。由于OMP算法思想简单便于理解，不易陷入局部最优解，且收敛速度快，因而被广泛应用。基于这些重构算法的稀疏分解理论在故障诊断领域得到了广泛研究［8⁃9］。……