李沐阳,苑宇

(1.大连交通大学 机械工程学院，辽宁 大连 116028;2.大连交通大学 机车车辆工程学院，辽宁 大连 116028)*

机械设备的运行状态与滚动轴承有着密不可分的关联，为确保滚动轴承处于正常状态，需对其振动信号进行采集与检测，在轴承发生故障的初期及时发现并修复问题.传统的信号采集方法是依据香农-奈奎斯特采样定理对信号进行均匀采样，为保证采样精度，理论上要求采样频率至少为信号最高频率的2倍才能保证频谱不发生混叠，而在实际应用中往往会达到5～10倍，不仅对采样设备要求高，还会产生大量的数据，且存在较大冗余，增大了数据传输及分析的难度.

压缩感知(Compressive Sensing，CS)[1-2]理论亦称压缩采样理论，是一种新的信号采集与处理方法，由D.Donoho、E.Candes、J.Romberg、T.Tao等人于2006年正式提出.压缩感知可在采集原始信号的同时对其进行压缩，采样频率与信号的结构和所包含的信息有关，不再由信号带宽决定，信号中的部分噪声及冗余信息也得以剔除，能够大幅减少采集的数据量，降低采集端的压力.目前，压缩感知技术已在影像压缩[3]、人脸识别[4]、雷达成像[5]、通信[6]等领域取得了一定进展.

本文将压缩感知技术应用于滚动轴承故障检测，在采集轴承振动信号的同时对其进行压缩，再利用神经网络对非线性时间序列的预测能力对观测值进行二次压缩，通过观测值的前一部分预测全部观测值，在数据量远小于传统方法的情况下以较高精度重构原始信号，通过……