【摘要】：大多數(shù)機(jī)械故障盲分離方法限于非高斯、平穩(wěn)且相互獨(dú)立的源信號(hào),并且要求觀測信號(hào)數(shù)多于源信號(hào)數(shù)目,在機(jī)械設(shè)備故障診斷中往往會(huì)產(chǎn)生許多問題,因?yàn)闄C(jī)械源信號(hào)通常不滿足這些假設(shè)。針對(duì)此不足,在國家自然科學(xué)基金(編號(hào):50775208)、河南省教育廳自然科學(xué)基金(編號(hào):2006460005,2008C460003)資助下,以Cohen類時(shí)頻分布、分?jǐn)?shù)Fourier變換和經(jīng)驗(yàn)?zāi)B(tài)分解為例,結(jié)合時(shí)頻分布和盲源分離,深入研究了基于時(shí)頻分析的機(jī)械設(shè)備非平穩(wěn)信號(hào)盲源分離方法,并與傳統(tǒng)的機(jī)械源分離方法進(jìn)行了對(duì)比分析,取得了較好的創(chuàng)新性成果,其主要內(nèi)容如下: 第一章:論述了本課題的提出及其研究意義,綜述了盲源分離的國內(nèi)外研究現(xiàn)狀,以及盲源分離在故障診斷中的研究現(xiàn)狀。在分析現(xiàn)有的機(jī)械故障源分離的不足的基礎(chǔ)上,提出了本論文的主要內(nèi)容及創(chuàng)新之處。 第二章:深入淺出地論述了盲源分離的基本概念,盲源分離的固有的兩個(gè)不確定性,即幅值和相位的不確定性及排序的不確定性,這兩個(gè)不確定性的客觀存在并不影響盲源分離結(jié)果的正確性。同時(shí),對(duì)盲源分離的一些重要概念,如主分量分析,奇異值分解,獨(dú)立分量分析等進(jìn)行了介紹,并進(jìn)行了比較,指出了它們的區(qū)別和聯(lián)系。最后,論述了本論文用到的盲源分離的三種典型的算法:JADE算法、Infomax算法和FastICA算法,給出了這三種算法的主要計(jì)算式和步驟。另外,對(duì)本文所用到的盲源分離的性能指標(biāo)也進(jìn)行了介紹。 第三章:針對(duì)現(xiàn)有的基于機(jī)械故障盲源分離方法忽略信號(hào)非平穩(wěn)性的不足,結(jié)合Cohen類時(shí)頻分析和盲源分離各自的優(yōu)點(diǎn),即時(shí)頻分析是處理非平穩(wěn)信號(hào)的有力工具,可描述其頻譜特性隨時(shí)間的變化,盲源分離對(duì)多種信號(hào)的混迭的分離具有很強(qiáng)的針對(duì)性。提出了一種基于Cohen類時(shí)頻分析的機(jī)械設(shè)備非平穩(wěn)信號(hào)盲分離方法,該方法將現(xiàn)有的機(jī)械故障診斷的盲源分離方法推廣到Cohen類時(shí)頻分布中,借助信號(hào)的時(shí)頻分布,達(dá)到機(jī)械設(shè)備多故障分離的目的。同時(shí),提出的方法與傳統(tǒng)的機(jī)械設(shè)備非平穩(wěn)信號(hào)盲分離方法進(jìn)行了比較。仿真結(jié)果表明,提出的方法優(yōu)于傳統(tǒng)的機(jī)械故障源盲分離方法,機(jī)械設(shè)備非平穩(wěn)信號(hào)的盲分離必須充分利用信號(hào)的非平穩(wěn)性,才能達(dá)到很好的分離。實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。該方法的特點(diǎn)是只要源信號(hào)具有不同的時(shí)頻分布,就可以實(shí)現(xiàn)有效分離。 最后,對(duì)基于各種二次時(shí)頻分布的機(jī)械故障源盲分離進(jìn)行了對(duì)比分析,并通過均方根誤差來反映源信號(hào)的分離效果。 第四章:現(xiàn)有的基于時(shí)頻分析的機(jī)械源分離方法僅是局限于Cohen類時(shí)頻分布,并沒有推廣到其他的時(shí)頻分布。分?jǐn)?shù)Fourier變換作為一種新的時(shí)頻分析方法,是對(duì)經(jīng)典Fourier變換的推廣。它既與經(jīng)典的Fourier變換有著天然的聯(lián)系,又提供了Fourier變換所不具備的某些特點(diǎn)。分?jǐn)?shù)Fourier變換是一種處理非平穩(wěn)信號(hào)的有力工具,在此,結(jié)合分?jǐn)?shù)傅里葉變換和盲源分離,提出了一種基于分?jǐn)?shù)Fourier變換的機(jī)械設(shè)備非平穩(wěn)信號(hào)盲分離方法,該方法首先對(duì)觀測信號(hào)進(jìn)行白化處理得到新的觀測信號(hào),再計(jì)算新的觀測信號(hào)的FRFT,由此估計(jì)廣義相關(guān)矩陣,進(jìn)而對(duì)估計(jì)的廣義相關(guān)矩陣進(jìn)行近似聯(lián)合對(duì)角化,從而得到源信號(hào)的估計(jì)。該方法的顯著特點(diǎn)是:它不必假定信號(hào)的能量隨時(shí)間而變,并且它不要求在時(shí)頻域選擇點(diǎn)上的預(yù)處理階段。最后,將該方法應(yīng)用到軸承內(nèi)外圈故障盲分離中,實(shí)驗(yàn)結(jié)果表明,該方法是有效的。 第五章:針對(duì)現(xiàn)有的基于時(shí)頻分析的機(jī)械故障源分離方法要求觀測信號(hào)數(shù)多于信號(hào)源的不足,結(jié)合經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical mode decomposition,EMD)和BSS,提出了兩種機(jī)械故障源欠定盲分離方法,即EMD-BSS方法。在提出的方法中,利用EMD方法對(duì)混合觀測信號(hào)進(jìn)行分解,將分解得到的所有的IMF分量及原來的混合觀測信號(hào)重新組成新的觀測信號(hào),將欠定BSS問題轉(zhuǎn)化為超定BSS問題。然后,對(duì)構(gòu)成的新觀測信號(hào)進(jìn)行白化處理及聯(lián)合對(duì)角化,得到源信號(hào)的估計(jì)。該方法的一個(gè)顯著特點(diǎn)是不僅能處理平穩(wěn)信號(hào)的分離,而且能處理非平穩(wěn)信號(hào)的分離,另一個(gè)顯著特點(diǎn)是既適用于源數(shù)多于觀測信號(hào)數(shù)的分離,也適用于源數(shù)少于觀測信號(hào)數(shù)的分離。仿真結(jié)果驗(yàn)證了該方法的有效性,并且優(yōu)于傳統(tǒng)的機(jī)械故障源盲分離方法。最后,將提出的方法應(yīng)用到電機(jī)-減速箱耦合實(shí)驗(yàn)中,進(jìn)一步驗(yàn)證了該方法的有效性。 同時(shí),結(jié)合EMD和主成分分析(PCA)各自的優(yōu)點(diǎn),提出了一種基于EMD-PCA的機(jī)械故障源欠定盲分離方法,基本思路類似于EMD-BSS方法。所不同的是,在EMD-PCA方法中,采用PCA對(duì)新的觀測信號(hào)進(jìn)行共性分析以得到源信號(hào)中的主要成分。它同樣具有EMD-BSS方法的優(yōu)良特性。軸承故障源分離實(shí)驗(yàn)驗(yàn)證了該方法的有效性。 第六章:對(duì)全文的研究內(nèi)容進(jìn)行了總結(jié),并指出了值得進(jìn)一步的研究內(nèi)容。
【圖文】：

采樣點(diǎn)數(shù)圖3一3源信號(hào)的時(shí)頻分布由圖3一3可知，三個(gè)源信號(hào)時(shí)頻分布是不同的，故可采用本文提出的方法進(jìn)行源分離，為了得到虛擬的觀測信號(hào)，在此，任選一4x3的隨機(jī)矩陣A，按照x(O=As(t)構(gòu)成四個(gè)虛擬的觀測信號(hào)，，如圖3一4所示團(tuán)]。氣一兀卜洲“0Jl.一1[」256勻一n甘只U00﨑 0.5{0一一 0.5二日\明瞥-220128采樣點(diǎn)數(shù)圖3碑觀測信號(hào)首先，采用傳統(tǒng)的盲源分離方法對(duì)該混合信號(hào)進(jìn)行分離，如JADE算法、FastICA算法、Informax算法等來進(jìn)行分離，都沒得到很好的分離。如圖3一5為JADE算法得到的分離結(jié)果，源信號(hào)的分離效果很不理想。/入\3264采樣點(diǎn)數(shù)巨 01105或日/劃暨

64128采樣點(diǎn)數(shù)圖3一8估計(jì)源信號(hào)(采用模糊函數(shù))3.5實(shí)驗(yàn)研究1.軸承齒輪故障禍合實(shí)驗(yàn)研究旋轉(zhuǎn)機(jī)械有兩個(gè)關(guān)鍵部件，軸承和齒輪。軸承支撐機(jī)械的旋轉(zhuǎn)部分，而齒輪使轉(zhuǎn)動(dòng)軸轉(zhuǎn)速變化。當(dāng)齒輪有故障(如輪齒接觸面上點(diǎn)蝕等)時(shí)，由于承載的不對(duì)稱性，將可以看到嚴(yán)重的齒輪嚙合頻率(通常是對(duì)轉(zhuǎn)軸頻率)調(diào)制現(xiàn)象的出現(xiàn)。另外，齒輪嚙合過程也可能更強(qiáng)烈地激勵(lì)機(jī)器結(jié)構(gòu)，導(dǎo)致機(jī)器共振對(duì)齒輪嚙合頻率更強(qiáng)烈的調(diào)制效應(yīng)。已知齒輪故障中，幅值調(diào)制與相位調(diào)制現(xiàn)象同時(shí)存在，其振動(dòng)信號(hào)可建模為
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：TH165.3

【引證文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 顧海燕;基于EMD時(shí)頻分析的旋轉(zhuǎn)機(jī)械故障特征提取方法研究[D];燕山大學(xué);2012年

本文編號(hào)：2618207