Resumen

La teoría de compresión sensorial (CS) proporciona una nueva perspectiva al problema de big data liderado por el teorema de muestreo de Shannon en la monitorización de la condición de rodamientos de elementos rodantes, donde la matriz de medición de CS tiende a ser diseñada por la matriz aleatoria (RM) para preservar la integridad de la señal aproximadamente. Sin embargo, cuando la señal a analizar está infectada con un ruido fuerte, no solo la señal se vuelve insuficientemente dispersa, sino que la aleatoriedad de la matriz de medición reducirá la eficiencia sensorial, lo que resulta en la pérdida de la característica de falla. Por lo tanto, en este artículo se propone un esquema de CS mejorado por sensorización basado en una serie de modos después de la descomposición VMD. El núcleo de este esquema es el siguiente: (1) el modo principal de VMD con mejor dispersión reemplaza la señal cruda para la compresión sensorial; (2) todos estos modos cont

• Materias:Análisis estructural Ingeniería subterránea Capacidad de tráfico Descomposición del modo variacional Fallas para rodamientos
• Subjects:Structural analysis Underground engineering Traffic capacity Variational mode decomposition Failures for bearings
• Palabras claves:Sensor de compresión; Big data; Rodamientos de elementos rodantes; Descomposición VMD; Característica de falla; Matriz de medición
• Keywords:Compressive sensing; Big-data; Rolling element bearings; VMD decomposition; Fault feature; Measurement matrix