盲信號分離算法及其在機械故障診斷中的應用方法研究
發(fā)布時間:2020-03-31 13:26
【摘要】: 盲信號分離技術是現(xiàn)代信號處理領域的一個新的研究熱點。目前,盲信號處理技術己被應用于語音、圖像、通訊、醫(yī)學、機械故障信號處理,以及數(shù)據(jù)挖掘等諸多領域中。如此廣闊的應用前景,使得關于盲信號分離問題持續(xù)不斷地得到了國內(nèi)外專家學者的廣泛關注。然而,該方面的研究還沒有達到完全解決工程問題的程度。因此本研究將盲信號分離算法及其在工程中的應用作為核心主題。 針對瞬時線性混合和非線性混合情況下盲信號分離算法中存在的一些問題,本文對盲信號分離技術的理論、算法及在旋轉(zhuǎn)機械故障診斷中的應用進行了較深入的探討。主要工作內(nèi)容和研究結(jié)論如下: 1)系統(tǒng)分析總結(jié)了國內(nèi)外在盲源分離及相關方面的最新研究成果和最新進展,對盲信號分離的定義、原理、結(jié)構、算法、相關應用問題及研究現(xiàn)狀和發(fā)展水平進行了較為系統(tǒng)的研究和探討。 2)針對線性瞬時混合情況,提出了基于瞬時混合模型的最大信噪比分離算法。仿真實驗表明,該算法具有較低的計算復雜度,可以有效恢復存在亞高斯信號的源信號,也可以有效恢復超高斯分布的語音信號。 3)針對非線性瞬時混合情況,提出了一種基于RBF神經(jīng)網(wǎng)絡的非線性混合信號的盲分離方法。該方法利用RBF網(wǎng)絡的擬合誤差和預測誤差較小,而且收斂速度較快,算法較簡便等優(yōu)點,把RBF神經(jīng)網(wǎng)絡應用于非線性混合信號的盲分離。研究表明,該方法能很好的實現(xiàn)信號分離,具有很好的魯棒性。 4)針對在基于BSS的機械源分離過程中,所獲得的測量信號往往被過程噪聲所污染問題,提出了基于小波消噪和盲源分離的方法。實驗表明,對于受噪聲影響的機械源分離,基于小波消噪的盲源信號分離比通常直接進行盲源分離更有效提取轉(zhuǎn)子振動故障的本質(zhì)信號特征。 盲源分離理論是一個正處于發(fā)展中的理論,如何更好地將其應用在故障診斷領域,仍然是今后值得深入研究的重要方向之一。
【圖文】:
2.4仿真實驗下面是盲信號分離的一個仿真實驗,驗證在本章所述的一般條件下是可以實現(xiàn)盲信號分離的。源信號是四個如圖2.2所示的語音信號,,采樣頻率fs一8kHz,數(shù)據(jù)長度M=加00,且相互間統(tǒng)計獨立。隨機產(chǎn)生的混合矩陣為A=【 0.950130.591290.52140 0.92181;0.231130.762090.444700.73820;0.606840.4456460.615430.17626;0.48598 0.018500.791930.40570}。觀測數(shù)據(jù)是源信號經(jīng)過瞬時混合產(chǎn)生的信號,如圖2.3所示。對混合數(shù)據(jù)分別采用基于信息論量的Infomax分離算法和基于二階統(tǒng)計量的JADE算法,結(jié)果分別如圖2.4和圖2.5所示。圖2.4和圖2.5分別是利用基于信息論的Infomax算法和基于二階統(tǒng)計量的JADE算法得到的分離結(jié)果,圖2.6和圖2.7列出了兩種算法下源信號與對應輸出信號的相似系數(shù)。!!!!!!!!!!!!!!!!!!!!!lllllllllllllllllll1喇 喇卿卿 .卿.墩 墩 墩 lllll}}}}}二 二 二二 二 0500100015002000劃瞥 (((((__f:{洲 洲 iiiii卿枷 枷一 一一呀丁一“’,1一’
圖3.5Fast1CA算法分離信號表3.1三種算法相似系數(shù)和運算時間本本本節(jié)算法法Infomax算法法FastICA算法法{‘·00000·0000111{0·0362‘·0000111{0·o‘77‘·00【【【0·02041·0000」」11·00000·0010」」【1·00000·002/sss0.06660.23331.1222:選用4個語音信號做為源信號(四個源信號是4個不同的人說H采樣頻率為16kHz,采樣點6000。在實際情況下源信號是不可測離結(jié)果作比較,我們首先將其波形繪出,如圖3.2(a)所示。從左至給出混合陣:
【學位授予單位】:蘭州理工大學
【學位級別】:碩士
【學位授予年份】:2009
【分類號】:TN911;TH17
本文編號:2609133
【圖文】:
2.4仿真實驗下面是盲信號分離的一個仿真實驗,驗證在本章所述的一般條件下是可以實現(xiàn)盲信號分離的。源信號是四個如圖2.2所示的語音信號,,采樣頻率fs一8kHz,數(shù)據(jù)長度M=加00,且相互間統(tǒng)計獨立。隨機產(chǎn)生的混合矩陣為A=【 0.950130.591290.52140 0.92181;0.231130.762090.444700.73820;0.606840.4456460.615430.17626;0.48598 0.018500.791930.40570}。觀測數(shù)據(jù)是源信號經(jīng)過瞬時混合產(chǎn)生的信號,如圖2.3所示。對混合數(shù)據(jù)分別采用基于信息論量的Infomax分離算法和基于二階統(tǒng)計量的JADE算法,結(jié)果分別如圖2.4和圖2.5所示。圖2.4和圖2.5分別是利用基于信息論的Infomax算法和基于二階統(tǒng)計量的JADE算法得到的分離結(jié)果,圖2.6和圖2.7列出了兩種算法下源信號與對應輸出信號的相似系數(shù)。!!!!!!!!!!!!!!!!!!!!!lllllllllllllllllll1喇 喇卿卿 .卿.墩 墩 墩 lllll}}}}}二 二 二二 二 0500100015002000劃瞥 (((((__f:{洲 洲 iiiii卿枷 枷一 一一呀丁一“’,1一’
圖3.5Fast1CA算法分離信號表3.1三種算法相似系數(shù)和運算時間本本本節(jié)算法法Infomax算法法FastICA算法法{‘·00000·0000111{0·0362‘·0000111{0·o‘77‘·00【【【0·02041·0000」」11·00000·0010」」【1·00000·002/sss0.06660.23331.1222:選用4個語音信號做為源信號(四個源信號是4個不同的人說H采樣頻率為16kHz,采樣點6000。在實際情況下源信號是不可測離結(jié)果作比較,我們首先將其波形繪出,如圖3.2(a)所示。從左至給出混合陣:
【學位授予單位】:蘭州理工大學
【學位級別】:碩士
【學位授予年份】:2009
【分類號】:TN911;TH17
【引證文獻】
相關期刊論文 前1條
1 李悅;黃晉英;楊曉霞;;基于盲源分離的齒輪箱故障診斷[J];煤礦機械;2012年03期
相關碩士學位論文 前1條
1 劉委;遺傳算法與RBF神經(jīng)網(wǎng)絡融合技術應用于微車后橋故障診斷[D];武漢理工大學;2013年
本文編號:2609133
本文鏈接:http://sikaile.net/jixiegongchenglunwen/2609133.html