本文關(guān)鍵詞：齒輪箱振動(dòng)信號(hào)的盲源分離方法，由筆耕文化傳播整理發(fā)布。

【摘要】：本論文首先系統(tǒng)地闡述了盲源分離(BSS)的基本理論,重點(diǎn)分析與研究了線性瞬時(shí)盲源分離理論和基于人工神經(jīng)網(wǎng)絡(luò)的后非線性(PNL)盲源分離的相關(guān)理論,在線性瞬時(shí)盲源分離的研究中,分別研究了基于峭度的FastICA和基于負(fù)熵的Fast ICA方法,根據(jù)混合信號(hào)的非高斯性成功地提取了仿真混合信號(hào)的各獨(dú)立成分,并通過相似系數(shù)檢驗(yàn)了基于峭度的Fast ICA方法和基于負(fù)熵的FastICA方法的分離精度。在信息論的框架下,應(yīng)用極大似然估計(jì)算法,成功地分離了混合信號(hào),并分別應(yīng)用PI值與相似系數(shù)評定了該方法的分離精度。最后,根據(jù)不同長度的采樣數(shù)據(jù),對比了Fast ICA方法與極大似然估計(jì)算法的運(yùn)行效率,當(dāng)數(shù)據(jù)采樣點(diǎn)的增加至410時(shí),極大似然估計(jì)方法所消耗的時(shí)間是Fast ICA方法的6倍左右。在基于人工神經(jīng)網(wǎng)絡(luò)的后非線性盲源分離的研究中,將前饋神經(jīng)網(wǎng)絡(luò)與信息熵理論相結(jié)合,構(gòu)建出基于神經(jīng)網(wǎng)絡(luò)的后非線性(PNL)盲源分離模型,并分別應(yīng)用前饋神經(jīng)網(wǎng)絡(luò)中的BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)解混模擬的非線性混合信號(hào),然后以信息熵作為神經(jīng)網(wǎng)絡(luò)輸出信號(hào)的獨(dú)立性評判準(zhǔn)則,成功地分離了3路非線性混合信號(hào),驗(yàn)證了該方法的有效性。最后,應(yīng)用線性盲源分離方法,成功地分離了齒輪箱在950 rmin/和1000 rmin/情況下的振動(dòng)信號(hào),順利地找出了齒輪箱的齒輪斷齒故障和軸承內(nèi)圈和滾動(dòng)體早期故障,說明盲源分離(BSS)方法能夠有效地分離機(jī)械振動(dòng)信號(hào),并且在處理微弱信號(hào)方面具備顯著優(yōu)勢。
【關(guān)鍵詞】：線性分離 非線性分離 ICA分析 信息論 盲源分離
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH132.41

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 桂現(xiàn)才;BP神經(jīng)網(wǎng)絡(luò)在MATLAB上的實(shí)現(xiàn)與應(yīng)用[J];湛江師范學(xué)院學(xué)報(bào);2004年03期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 彭安洪;基于RBF和云自適應(yīng)粒子群盲源分離的算法研究[D];新疆大學(xué);2013年

  本文關(guān)鍵詞：齒輪箱振動(dòng)信號(hào)的盲源分離方法，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：277043