针对当前液压支架放煤过程中落煤时间和落煤量监测主要依赖于人工观察、自动化程度不高的问题,提出了一种基于声源定位的落煤状态识别方法,通过声源的识别与定位得到当前落煤的液压支架位置与落煤状态。设计了基于STM32的声音传感器阵列的数据采集系统。针对传统算法识别宽带信号和多声源定位困难的问题,采用基于压缩感知的多声源宽带定位算法,通过对信号进行分解得到不同频带的定位结果。仿真结果表明,该方法能准确识别170台液压支架落煤声源位置,在信噪比(SNR)为-5 dB时双声源识别率达到98%。

针对目前机械振动信号频带越来越宽,以香农采样定理对其进行采样将会带来海量数据的传输、存储及处理等一系列问题,提出一种基于调制宽带转换器(modulated wideband converter,MWC)的机械振动信号采样方法,可以实现对高频振动信号的低速采样.首先在频域中按照机械振动信号能量的集中程度将其频谱划分为若干数量的频谱片段,然后根据机械振动信号的最高频率、划分谱带数和谱带最大带宽等先验知识设计合理的MWC采样系统参数,最后利用MWC采样系统实现对机械振动信号的低速采样并从欠采样数据中恢复出原始信号.仿真实验表明在不损失振动信息的前提下,该方法可以有效降低后端采样设备的采样速率,并且可以从少量采样数据中实现高概率信号重构.

为解决机械振动信号在压缩感知过程中稀疏过完备学习字典训练时间过长的问题,提出一种快速训练的过完备学习字典学习快速算法。该算法在SGK字典学习算法的稀疏编码阶段使用同步正交匹配追踪法(SOMP)对多列训练样本原子进行同步稀疏编码,提升字典学习速率。首先确定同步稀疏编码原子数m1,然后根据m1对训练样本进行分块并采用SOMP算法对m1列的样本原子进行同步稀疏编码,最后利用最小二乘法对字典原子进行更新。算法进一步提升了SGK字典学习算法的速率,缩短了单次迭代稀疏编码所用时间。仿真实验结果表明,在相同条件下基于字典学习快速算法训练的过完备学习字典的压缩重构性能与K-SVD和SGK算法训练的过完备学习字典几乎相同,但训练字典所用时间明显减少。

为了解决压缩感知重构算法对于机械振动信号的残缺数据恢复不佳的问题,提出一种改进压缩采样匹配追踪算法,对缺失信号进行修复重构。对比几种同类的贪婪重构算法恢复缺失信号的效果。通过仿真数据和实测数据验证算法对信号的恢复效果。结果表明:改进方法能够很好地实现对缺损信号的修复,且重构概率远远高于其他重构算法,比较压缩采样匹配追踪算法与其改进算法发现:在稀疏度为50时,改进算法的重构概率可以达到100%,而未改进的压缩采样匹配追踪算法重构概率为0,说明改进算法的重构效果优于原算法,重构出来的信号可以准确地表现原始信号的全部信息。

在使用压缩感知理论解决振动信号的降噪问题时,信号重构阶段使用最多的是正交匹配追踪算法,如果该算法的迭代停止阈值选取不当,迭代误差的循环将会导致重构误差增大,降噪性能会下降。提出一种基于改进停止阈值准则的降噪方法,利用离散余弦变换得到完备字典矩阵,对振动信号进行稀疏表示,得到稀疏系数向量;然后用正态分布检验稀疏系数是否服从正态分布,利用3σ准则计算得到停止阈值;最后在求解最小二乘解的步骤之后添加筛选判断条件与迭代停止阈值。仿真定义信号和实测振动信号的降噪分析结果表明:此改进方法可将信噪比(SNR)为-1.0257 dB强噪声背景信号的信噪比提升到2.0549 dB。此方法在信噪比、均方差根等降噪性能指标上均优于SP、OMP、SWOMP三种降噪方法。

针对传统基于香农-奈奎斯特理论的机械故障检测方法信号采样率要求高、故障检测率低的不足,提出一种基于压缩感知的机械故障信号检测方法。利用压缩感知基础理论构建随机高斯测量矩阵,对降噪后的原始故障信号压缩降维,并采用范数稀疏逼近法求出压缩感知矩阵的稀疏解;提取原始压缩故障信号中的时域特征和能量特征,实现对原始故障信号的重构。仿真结果表明提出的故障检测方法的信号重构效果更好,故障检测率可达96.16%。

为了提高液压系统的动态响应,保证静压造型线顺利运行,设计静压造型线伺服直驱泵控液压系统.系统信号采集反馈模块使用压缩感知方法,获取静压造型线内液压缸的压力和位置信号,将信号经系统主控制器比较处理后,运用D/A数模转换模块转化为控制信号,并传送到电动机控制器;依据控制信号控制电动机驱动定量泵执行方向和速度的切换,实现静压造型线内液压缸的压力与位置控制.实验结果表明:该系统采集的信号质量较高,具有较好的静压造型线内液压缸的压力和位置控制效果.

针对煤矿井下无线传感网络因信息传输量大而导致传感节点能量消耗快、设备寿命缩减的问题,在分析矿山物联网的特点和小波变换系数层的基础上,提出一种基于小波域分块的多层小波变换自适应压缩感知图像处理算法。该方法首先采用bior4.4小波变换对煤矿井下图像信号进行多层分解,针对小波域中不同的区域采用不同的测量矩阵对稀疏化的图像数据进行测量,得到测量数据,然后利用稀疏自适应匹配追踪算法（SAMP）恢复高频系数,最后将高频系数和低频系数一起进行小波逆变换重构图像。仿真实验表明：与传统的压缩感知算法相比,该算法不仅能够以更低的采样率获得高质量的重构图像效果,压缩了图像大小,且能够快速地还原图像。

风力机滚动轴承早期故障诊断中,压缩感知算法能够利用信号的稀疏性对信号去噪,但稀疏度的选取对去噪结果影响较大。由于信号故障成分在傅里叶域的稀疏度已知,故可通过傅里叶变换基和压缩感知子空间追踪(CS_SP)算法对风力机信号的包络特征进行不完全重构,以降低噪声和其他无关信息的影响,获取直接反映故障特征的信号成分,从而提取故障特征频率。研究结果表明,压缩感知框架下的的共振解调技术能有效获取风力机滚动轴承的故障特征信息,验证了所提方法的有效性。