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%。

研究电机断条故障信号检测，有利于设备的安全高效运行。为了准确检测电机断条故障，提出了一种基于改进布谷鸟优化搜索路径方法和差量分析的故障检测算法。改进布谷鸟算法克服了转子断条故障易发生误判且检测效率低下的问题。差量分析能够消除基波分量等对故障谐波的干扰，简化频谱分析。结合两者的优点，将健康信号与故障信号相位差最小准则作为改进布谷鸟搜索算法的约束条件．估算出基波参数及相应表达式并将其进行消除。模拟和实测数据的处理结果表明，所提方法有助于断条故障的准确检测。与传统分析检测方法相比，断条故障检测识别性能得到提高。