【摘要】：本論文是在國家自然科學(xué)基金(51261024,51075372,51265039,50775208),江西省教育廳科技計(jì)劃項(xiàng)目(No.GJJ12405),機(jī)械傳動(dòng)國家重點(diǎn)實(shí)驗(yàn)室開放基金(No.SKLMT-KFKT-201514)、江西省教育廳科技計(jì)劃項(xiàng)目(No.GJJ12405)和廣東省數(shù)字信號(hào)與圖像處理技術(shù)重點(diǎn)實(shí)驗(yàn)室(No.2014GDDSIPL-01)資助下,基于概率幅值解調(diào)算法的獨(dú)特優(yōu)勢,將其引入到機(jī)械故障診斷中,提出了基于概率幅值解調(diào)的機(jī)械故障診斷方法,并進(jìn)行了仿真和實(shí)驗(yàn)研究,取得了非常好的創(chuàng)新性成果。本文主要內(nèi)容包括以下幾個(gè)方面:1.論述了概率幅值解調(diào)引入到機(jī)械故障診斷中的必要性和研究意義,綜述了機(jī)械故障診斷中的解調(diào)方法的國內(nèi)外研究現(xiàn)狀,詳細(xì)論述了概率幅值解調(diào)的基本思想,在此基礎(chǔ)上,給出了本論文的研究內(nèi)容和主要?jiǎng)?chuàng)新點(diǎn)。2.論述了簡單概率幅值解調(diào)的原理和算法,該方法使用概率理論,將解調(diào)看成一個(gè)推理問題,利用已有的先驗(yàn)知識(shí)對(duì)不確定性問題進(jìn)行推理,達(dá)到推理解調(diào)的目的。在此基礎(chǔ)上,提出了基于概率幅值解調(diào)的機(jī)械故障診斷方法,并進(jìn)行了仿真和實(shí)驗(yàn)研究。仿真結(jié)果表明,提出的方法對(duì)調(diào)幅調(diào)頻信號(hào)具有很好的處理能力,能夠有效地分解出調(diào)幅調(diào)頻信號(hào)的調(diào)制頻率。與傳統(tǒng)的希爾伯特包絡(luò)解調(diào)方法比較,提出的方法具有明顯的優(yōu)勢,提出的方法解調(diào)出來的包絡(luò)線與原信號(hào)的擬合程度明顯優(yōu)于傳統(tǒng)的希爾伯特包絡(luò)解調(diào)方法。最后,將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中,實(shí)驗(yàn)結(jié)果表明,提出的方法是有效的,能有效地提取出滾動(dòng)軸承故障特征。3.論述了高斯過程概率幅值解調(diào)的原理和算法,該方法是對(duì)簡單概率幅值解調(diào)的拓展。首先,該方法能夠恢復(fù)調(diào)制信號(hào)缺失的部分,使用最大后驗(yàn)概率進(jìn)行推理,并使用快速傅里葉變換提高計(jì)算速度。此外,高斯過程概率幅值解調(diào)將快速傅里葉變換、最大后驗(yàn)概率和蘭索斯算法三者結(jié)合在一起推導(dǎo)出原始包絡(luò)線最大后驗(yàn)概率上的拉普拉斯近似誤差線,有效地計(jì)算最大后驗(yàn)概率。最后,該方法使用近似極大似然獲取模型中所有的自由參數(shù)。仿真結(jié)果表明,提出的方法對(duì)調(diào)幅調(diào)頻信號(hào)具有很好的處理能力,能夠有效地分解出調(diào)幅調(diào)頻信號(hào)的調(diào)制頻率。最后,將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中,實(shí)驗(yàn)結(jié)果表明,提出的方法是有效的,同樣也能有效地提取出滾動(dòng)軸承故障特征。4.論述了級(jí)聯(lián)解調(diào)的原理和算法,該方法以簡單概率幅值解調(diào)為框架,同時(shí)在每一級(jí)的解調(diào)中使用高斯過程概率幅值解調(diào)得到各級(jí)的子包絡(luò)線。機(jī)械故障信號(hào)往往在多個(gè)時(shí)間尺度上解調(diào),而簡單概率幅值解調(diào)和高斯過程概率幅值解調(diào)只能解調(diào)包含一個(gè)時(shí)間尺度的信號(hào),而級(jí)聯(lián)解調(diào)能夠解調(diào)包含多個(gè)時(shí)間尺度的機(jī)械故障信號(hào),因此,該方法實(shí)用性更強(qiáng),適應(yīng)的范圍也更加廣。該方法能夠?qū)λ械淖兞孔龀龉烙?jì),獲取解調(diào)的多個(gè)時(shí)間尺度,同時(shí),裁剪掉最高層不必要的包絡(luò)線。和其它概率幅值解調(diào)方法不同的是,級(jí)聯(lián)解調(diào)的最終分解結(jié)果是若干個(gè)時(shí)間尺度不同的包絡(luò)線和一個(gè)快速變化的載波,其中,載波是所有分解結(jié)果中變化最快的。仿真結(jié)果表明,提出的方法對(duì)包含多個(gè)時(shí)間尺度的非平穩(wěn)信號(hào)具有很好的處理能力,能夠分解出若干個(gè)不同時(shí)間尺度的子包絡(luò)線和一個(gè)載波,并裁剪掉最高層沒有意義的子包絡(luò)線。最后,將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中,實(shí)驗(yàn)結(jié)果表明,提出的方法是有效的,能有效地提取出滾動(dòng)軸承故障特征。5.論述了互頻率概率幅值解調(diào)的原理和算法,該方法是對(duì)簡單概率幅值解調(diào)的拓展。在已有的概率幅值解調(diào)模型中,每個(gè)濾波器的解調(diào)是相互獨(dú)立的,而機(jī)械故障信號(hào)的調(diào)制通常在不同頻率通道相關(guān)聯(lián),該方法利用不同頻率通道之間的依存關(guān)系,在不同子頻帶的解調(diào)之間模擬依存關(guān)系,給不同頻率通道中的包絡(luò)線共同建立一個(gè)模型,這個(gè)模型能夠減少維度,避免過度擬合,計(jì)算也更加高效。仿真結(jié)果表明,提出的方法對(duì)非平穩(wěn)信號(hào)具有很好的處理能力,不同頻道的時(shí)域信號(hào)和頻譜都是相關(guān)的,每個(gè)頻道上的包絡(luò)線和載波都能夠很好地反應(yīng)子頻道信號(hào)的特征。最后,將提出的方法應(yīng)用到驅(qū)動(dòng)端滾動(dòng)軸承故障診斷中,實(shí)驗(yàn)結(jié)果表明,提出的方法是非常有效的,能有效地提取出滾動(dòng)軸承故障特征。
[Abstract]:......
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前2條

1 許巧巧;基于概率幅值解調(diào)的機(jī)械故障診斷方法研究[D];南昌航空大學(xué);2016年

2 丁賀偉;施密特分解的三粒子態(tài)的概率隱形傳輸和用POVM測量概率傳輸二粒子一般態(tài)[D];河北師范大學(xué);2005年

，

本文編號(hào)：2471035