發(fā)布時間：2020-04-23 22:27

【摘要】：工業(yè)現(xiàn)場采集到的觀測信號包含多種機械故障特征時,它們之間會相互干擾,要把它們識別并區(qū)分開來的難度比單故障特征更大。為此,本文研究了基于多傳感器時頻分布(Multisensor Time-Frequency Distribution,MTFD)的欠定盲源分離算法,并將其具體應用于機械復合故障診斷中。具體研究內容如下:(1)研究了盲源分離方法的基礎理論,主要是盲源分離的三個數(shù)學模型,以及一種傳統(tǒng)的盲源分離算法,如固定點算法,也對機械設備常用部件在故障模式下的振動信號特點進行了闡述,特別是滾動軸承在時頻域上的復合故障特征。(2)盲源分離算法需要對源數(shù)的準確估計,特別是當觀測數(shù)小于源信號數(shù)時,能夠提取的源數(shù)信息更少,要實現(xiàn)源數(shù)的準確估計難度更大。本文為此提出了基于矩陣非負低秩稀疏表示的欠定源數(shù)估計方法,通過將觀測信號進行多重迭代和構造非負低秩稀疏圖,獲得低秩稀疏的最優(yōu)解矩陣和與源信號相關的圖權矩陣及其秩的大小,從而得到準確的源數(shù)估計。(3)結合多傳感器時頻分布和盲源分離的特點,提出針對機械復合故障診斷的欠定盲源分離方法。首先利用Wigner-Ville分布將觀測信號轉化為MTFD矩陣;然后對該矩陣進行白化處理和噪聲閾值處理,并對其自動項進行選擇,對其特征向量進行集群處理,從而得到源信號時頻分布(Time-Frequency Distribution,TFD)矩陣的估計;最后對源信號進行重建,得到準確的源信號估計。仿真及試驗結果表明,本文所提出的方法在處理非平穩(wěn)信號的欠定盲源分離方面,具有很好的效果。
【學位授予單位】：武漢科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TH17

【相似文獻】

相關期刊論文 前10條

1 逄棟文;;微弱信號檢測的盲源分離方法及應用研究[J];科學中國人;2017年02期

2 陳陽,何振亞,楊綠溪;數(shù)格子——一種簡單的盲源分離方法[J];數(shù)據(jù)采集與處理;2002年01期

3 張?zhí)祢U;馬寶澤;強幸子;全盛榮;;帶自適應動量因子的變步長盲源分離方法[J];通信學報;2017年03期

4 劉建強,馮大政;脈沖噪聲中的盲源分離方法[J];電子與信息學報;2003年07期

5 孫逸潔;李福勝;梁明亮;董黎生;;基于蝙蝠算法的機械故障盲源分離方法研究[J];機械強度;2018年05期

6 冷永剛;陳婷婷;黃立坤;趙艷菊;丁文祺;;基于獨立分量分析的重盲源分離方法[J];振動工程學報;2010年05期

7 秦國軍;莫芙蓉;;滾動軸承含噪聲諧波信號的欠確定盲源分離方法研究[J];國防科技大學學報;2006年01期

8 趙燕斌;邱天爽;金濤;;一種基于波束形成理論的盲源分離方法[J];航天醫(yī)學與醫(yī)學工程;2010年03期

9 李志寧;孫宜權;張英堂;田昊;范紅波;;發(fā)動機軸承并發(fā)故障信號盲源分離方法研究[J];車用發(fā)動機;2013年05期

10 鄭超;郭奇;郭麗杰;李慧琳;;基于局部特征尺度分解的旋轉機械故障欠定盲源分離方法研究[J];燕山大學學報;2014年02期

相關會議論文 前4條

1 錢進;秦志峰;;一種基于二階統(tǒng)計的盲源分離方法[A];2001年全國水聲學學術會議論文集[C];2001年

2 賀升平;吳瑞娜;;基于盲源分離方法的地下振動信號分析[A];2011'中國西部聲學學術交流會論文集[C];2011年

3 李舜酩;;轉子振動信號的盲源分離研究[A];第三屆全國虛擬儀器大會論文集[C];2008年

4 孟宗;樊鳳杰;;軋機主傳動系統(tǒng)扭振盲源分離方法研究[A];2010中國儀器儀表與測控技術大會論文集[C];2010年

相關博士學位論文 前3條

1 王坤朋;微弱信號檢測的盲源分離方法及應用研究[D];重慶大學;2014年

2 張念;盲源分離理論及其在重磁數(shù)據(jù)處理中的應用研究[D];中國地質大學;2013年

3 劉尚坤;基于振動信號處理的旋轉機械故障診斷方法研究[D];華北電力大學(北京);2017年

相關碩士學位論文 前10條

1 李小彪;基于多通道時頻分布的欠定盲源分離方法及在機械復合故障診斷中的應用[D];武漢科技大學;2019年

2 皮海玉;基于量子遺傳的機械故障源盲源分離方法研究[D];南昌航空大學;2015年

3 王壘;基于獨立分量分析盲源分離方法的研究[D];蘭州理工大學;2010年

4 王曉燕;盲源分離方法及其在旋轉機械故障診斷中的應用研究[D];燕山大學;2015年

5 陳婷婷;獨立分量分析在旋轉機械故障診斷中的應用研究[D];天津大學;2012年

6 趙金龍;齒輪箱振動信號的盲源分離方法[D];遼寧科技大學;2015年

7 劉書溢;盲源分離技術在轉子故障診斷中的應用[D];長春工業(yè)大學;2016年

8 張育根;卷積混合非平穩(wěn)振動信號的盲分離[D];哈爾濱工業(yè)大學;2010年

9 蔡龍;基于盲源分離的旋轉機械故障診斷方法研究[D];燕山大學;2014年

10 苗志敏;非線性混合信號的盲源分離研究[D];哈爾濱工程大學;2011年

，

本文編號：2638219