準確及時識別設(shè)備運行過程中的故障,對保障機械系統(tǒng)安全運行,減少或避免重大災(zāi)難性事故具有非常重要的意義�，F(xiàn)代大型復(fù)雜機械設(shè)備具有規(guī)模大、集成度高、運行機理復(fù)雜、參數(shù)和結(jié)構(gòu)具有不確定性等特點。同時,在診斷中存在的建模誤差、噪聲擾動、算法復(fù)雜度高等因素,導(dǎo)致復(fù)雜設(shè)備的故障診斷要求高難度大。如何提高復(fù)雜機械設(shè)備故障診斷的準確性和實時性,是故障診斷領(lǐng)域迫切需要解決的關(guān)鍵難題。論文圍繞非線性濾波的故障診斷技術(shù)展開研究,重點研究復(fù)雜噪聲背景下濾波算法的性能優(yōu)化以及在線診斷的實時性等關(guān)鍵技術(shù)。論文的主要創(chuàng)新研究成果如下:1.研究了噪聲特性未知時變及噪聲相關(guān)情況下的粒子濾波算法。通過分析復(fù)雜系統(tǒng)中噪聲的未知時變特性對系統(tǒng)精度的影響,研究未知時變噪聲的粒子濾波算法,通過對噪聲統(tǒng)計特性進行實時估計和修正,提高復(fù)雜噪聲環(huán)境下狀態(tài)估計的準確性;針對粒子退化現(xiàn)象同時考慮噪聲的時變特性,研究了重采樣優(yōu)化策略,引入部分重采樣和變異操作結(jié)合的方法,改善樣本質(zhì)量,并提高采樣效率;分析系統(tǒng)噪聲和量測噪聲的相關(guān)性以及對濾波性能的影響,對相關(guān)噪聲的粒子濾波方法進行了研究,以相關(guān)噪聲為背景,依據(jù)重要性權(quán)值條件方差最小化準則,推導(dǎo)噪聲相關(guān)情況下最優(yōu)建議分布函數(shù)的具體數(shù)學(xué)表達形式,建立了一種基于相關(guān)噪聲影響的粒子濾波算法,提高復(fù)雜噪聲背景下狀態(tài)估計的準確性。2.研究了復(fù)雜噪聲情況下的智能優(yōu)化CRPF算法。針對CRPF算法在解決高非線性和噪聲統(tǒng)計特性未知問題中的獨特優(yōu)勢,深入分析了CRPF算法的特點和存在的問題,即粒子貧乏問題和在強擾動及時變噪聲背景下的狀態(tài)估計問題。當(dāng)系統(tǒng)噪聲和量測噪聲比較大時,依據(jù)類權(quán)值進行重采樣會導(dǎo)致樣本多樣性的喪失,針對此問題,在重采樣步驟之前,引入部分交叉變異的智能優(yōu)化策略,將優(yōu)化之后的粒子集依據(jù)概率質(zhì)量函數(shù)再進行重采樣,增加了粒子多樣性,擴展了粒子的后驗分布區(qū)域;針對強噪聲背景下,隨著迭代次數(shù)的增加狀態(tài)轉(zhuǎn)移密度協(xié)方差的調(diào)整能力變差,設(shè)計了狀態(tài)轉(zhuǎn)移密度協(xié)方差的自適應(yīng)調(diào)節(jié)策略,增加算法對強噪聲的適應(yīng)能力,在復(fù)雜噪聲情況下提高狀態(tài)估計的精度。3.研究了強噪聲背景下的自適應(yīng)CRPF故障診斷方法。針對非線性非高斯系統(tǒng)在實際工作環(huán)境中受強噪聲干擾影響導(dǎo)致的故障診斷精度低的問題,基于本文提出的IOCRPF算法對基于殘差的故障診斷方法進行了研究。構(gòu)建基于IOCRPF算法的故障診斷系統(tǒng),獲取準確的殘差信號;同時,依據(jù)系統(tǒng)的噪聲和不確定性的變化,在統(tǒng)計方法的基礎(chǔ)上研究并設(shè)計殘差判別函數(shù)的自適應(yīng)閾值,通過引入滑動窗求區(qū)間均值代替基于參數(shù)置信區(qū)間自適應(yīng)閾值的均值和方差,在保證故障診斷準確性的前提下減小計算時間,提高故障決策的準確性。4.針對故障診斷的實時性問題,在CUDA框架下對并行加速的CRPF算法進行研究。在未知、時變等復(fù)雜噪聲背景下,本文提出了依據(jù)噪聲自適應(yīng)濾波的IOCRPF算法,在算法準確性上收到了良好效果,但同時大大增加了算法的復(fù)雜度和計算耗時,無法滿足在線診斷的實時性要求,針對此問題,研究了CUDA架構(gòu)下CRPF的并行結(jié)構(gòu),并針對由于數(shù)據(jù)關(guān)聯(lián)性不能進行并行重采樣的問題,采用分塊并行思想對并行結(jié)構(gòu)進行優(yōu)化設(shè)計;進一步為了減少由于分塊重采樣帶來的全局粒子性能退化,將每個Block中概率質(zhì)量小的粒子采用全局優(yōu)質(zhì)粒子進行優(yōu)化,構(gòu)建了一種優(yōu)化分塊并行加速的CRPF算法;基于此并行算法設(shè)計了基于殘差的故障診斷方法,在保障故障診斷準確性的同時,算法的實時性得到了明顯提升。5.在CUDA架構(gòu)中對基于多GPU并行加速的多模型故障診斷方法進行研究。分析了基于并行CRPF算法的多模型故障診斷的過程和特點,針對單GPU并行算法在多模型、多故障診斷過程存在的不足,提出了基于多GPU并行CRPF的多模型并行故障診斷方法,基于優(yōu)化分塊并行加速的CRPF算法,構(gòu)建了GPU內(nèi)部、多GPU之間的雙層并行模型,大大提高了程序的并行化程度,提高多故障診斷的實時性;針對DFIG電流傳感器故障,設(shè)計了基于殘差的故障檢測和隔離策略,并在CUDA環(huán)境中對故障診斷的準確性和實時性進行了實驗分析,證明該方法不僅可提升診斷的準確性,而且具有優(yōu)越的加速性能。本論文主要針對復(fù)雜噪聲環(huán)境下機械設(shè)備故障診斷的準確性和實時性展開了探索研究,針對粒子濾波算法性能優(yōu)化、精度的提升以及在線診斷的運行效率等關(guān)鍵問題提出了一些創(chuàng)新性的研究思路,進一步解決了粒子濾波算法在實際應(yīng)用中為了提高精度所帶來的實時性問題,對非線性濾波算法在故障診斷領(lǐng)域的創(chuàng)新性研究有著重要的意義。
【學(xué)位單位】：蘭州理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2019
【中圖分類】：TH17;TN713
【部分圖文】：

x1和 x2的估計誤差，在系統(tǒng)處于正常工作狀態(tài)時(0~100s)，采用兩種方法的狀態(tài)估計誤差都比較小；在 100s 之后系統(tǒng)出現(xiàn)故障時，改進前的 CRPF 方法狀態(tài)估計誤差明顯增大，本文方法，在故障出現(xiàn)時，可以通過估計誤差對狀態(tài)轉(zhuǎn)移密度方差進行修正，減小了由于故障的影響產(chǎn)生的狀態(tài)估計誤差，由結(jié)果可見，相對改進之前的 CRPF 算法，本文方法大大提高了對故障狀態(tài)估計的準確性。表 4.2 是x1和 x2的平均絕對誤差，表中的數(shù)據(jù)表明了同樣的結(jié)果，在兩種噪聲下，本文方法的狀態(tài)估計精度均高于改進前的 CRPF 方法，狀態(tài)估計準確性得到了顯著提高。表 4.2 不同噪聲背景下1x 、2x 的平均絕對誤差狀態(tài)伽馬噪聲 高斯混合噪聲改進前 改進后 改進前 改進后X1 0.0111 0.0082 0.1952 0.0095X2 3.5750 1.7071 4.3659 0.8860

圖 4.3 高斯混合噪聲下兩種方法對 和 的跟蹤對比4.6.2 故障診斷性能分析在非高斯噪聲環(huán)境下對式(4.11)所表示的系統(tǒng)進行故障診斷，分別在兩類不同噪聲：伽馬噪聲和高斯混合噪聲環(huán)境下，采用本文方法和自適應(yīng)閾值實現(xiàn)故障診斷，對算法性能進行驗證。為了進一步進行故障隔離，定義殘差如下：， ， ， 。若 r0> rth，則有故障發(fā)生，然后分別計算 r1，r2和 r3，如果 ri 0 i=1,2,3( )，說明發(fā)生了模態(tài) i 故障。系統(tǒng)工作過程中的運行狀態(tài)和噪聲分布與 4.5.1 相同。圖4.4為在兩種噪聲情況下，改進前的自適應(yīng)閾值和改進后的自適應(yīng)閾值對比，比較圖中的兩組自適應(yīng)閾值曲線，可以看到閾值的變化趨勢和變化范圍均非常接1x2x0r y y 正常 1 1r y y 故障2r y y 故障2 3r y y 故障3

【相似文獻】

相關(guān)期刊論文 前10條

1 田溪;陳三生;文瑾;施心陵;;噪聲背景下的莫爾斯碼濾波及其實現(xiàn)[J];測控技術(shù);2008年01期

2 王仁乾,李迎春;高速物體入水噪聲背景下定時信號的提取問題[J];聲學(xué)學(xué)報;1988年02期

3 王成珍;抑制噪聲的相關(guān)原理[J];電測與儀表;1989年05期

4 鄭舒晨;尉燁;;噪聲背景下的周期信號檢測[J];渭南師范學(xué)院學(xué)報;2013年09期

5 漢澤西;孟秀麗;甘志強;鄧武;;噪聲背景下莫爾斯碼濾波的研究[J];電子測試;2008年09期

6 徐建平;翁祖峰;;廠界噪聲背景值修正[J];環(huán)境監(jiān)測管理與技術(shù);2005年06期

7 曹茂永,王霞,郁道銀;高噪聲背景下超聲信號數(shù)字處理技術(shù)研究[J];儀器儀表學(xué)報;2002年02期

8 漢澤西;甘志強;;噪聲背景下莫爾斯碼濾波的研究與實現(xiàn)[J];儀表技術(shù);2008年08期

9 冷璐;黎明;楊小芹;;一種強噪聲背景下圖像標定符號的定位方法[J];計算機與現(xiàn)代化;2008年10期

10 紀維綱;;噪聲背景中聽電話的能力[J];國外醫(yī)學(xué).耳鼻咽喉科學(xué)分冊;1984年06期

相關(guān)會議論文 前10條

1 謝桂海;齊子元;明亮;李浩;;強噪聲背景下的語音增強方法研究[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

2 齊彥生;李鋼虎;李亞安;王紅萍;;混沌振子對強噪聲背景下微弱周期信號的檢測[A];2006’和諧開發(fā)中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2006年

3 洪子毅;方世良;;混響噪聲背景下目標檢測的主分量分析法[A];中國聲學(xué)學(xué)會2006年全國聲學(xué)學(xué)術(shù)會議論文集[C];2006年

4 許平;訾艷陽;何正嘉;;強噪聲背景下機床主軸軸承故障微弱特征提取[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

5 王世闖;王茂法;;一種強噪聲背景下的水下目標檢測技術(shù)[A];第十四屆船舶水下噪聲學(xué)術(shù)討論會論文集[C];2013年

6 萬新旺;葛輝良;王忠康;宮先儀;;聲陣平臺噪聲背景下的波束形成方法研究[A];中國聲學(xué)學(xué)會2001年青年學(xué)術(shù)會議[CYCA'01]論文集[C];2001年

7 柳赫楠;李東陽;;強噪聲背景下的信號檢測方法在聲誘餌中的應(yīng)用研究[A];2014年水聲對抗技術(shù)學(xué)術(shù)交流會論文集[C];2014年

8 呂成國;李俊慶;韓紀慶;王承發(fā);徐近霈;;RASTA-PLP技術(shù)與譜減結(jié)合的去噪方法[A];第五屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC1998）論文集[C];1998年

9 劉順蘭;竇園園;應(yīng)娜;;噪聲背景下語音識別特征參數(shù)選擇研究[A];浙江省信號處理學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

10 朱思俞;李建人;余金森;王海燕;;在中等噪聲背景下的全音節(jié)漢語語音識別[A];第三屆全國人機語音通訊學(xué)術(shù)會議（NCMMSC1994）論文集[C];1994年

相關(guān)博士學(xué)位論文 前10條

1 王進花;復(fù)雜噪聲背景下基于非線性濾波的機械設(shè)備故障診斷方法研究[D];蘭州理工大學(xué);2019年

2 馬彥;混合色噪聲背景下基于互高階累積量的諧波恢復(fù)方法研究[D];吉林大學(xué);2006年

3 孫曉東;混沌噪聲背景下諧波參數(shù)估計方法研究[D];吉林大學(xué);2009年

4 趙艷菊;強噪聲背景下機械設(shè)備微弱信號的提取與檢測技術(shù)研究[D];天津大學(xué);2009年

5 柏林;大鼠初級聽皮層神經(jīng)元對多種聲信號處理的層特征及持續(xù)噪聲背景下聲信號表征的線性平移機制[D];南方醫(yī)科大學(xué);2013年

6 關(guān)濟實;沖擊噪聲背景下EES-MIMO雷達信號處理理論與方法研究[D];吉林大學(xué);2017年

7 王楠;非線性系統(tǒng)邏輯隨機共振的理論研究[D];東南大學(xué);2015年

8 邊家文;基于迭代算法的復(fù)雜噪聲背景中諧波頻率的高精度估計[D];中國地質(zhì)大學(xué);2010年

9 安冬;噪聲背景下說話人識別的若干關(guān)鍵問題研究[D];東北大學(xué);2013年

10 周欣;復(fù)雜噪聲背景下極化陣列信號參數(shù)估計的理論與方法研究[D];吉林大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 車曉男;Alpha噪聲背景下雙基地MIMO雷達目標角度估計方法研究[D];吉林大學(xué);2019年

2 楊偉;α噪聲背景下MIMO雷達的DOA估計方法研究[D];吉林大學(xué);2018年

3 李旭晨;Alpha噪聲背景下諧波恢復(fù)方法研究[D];吉林大學(xué);2018年

4 楊春嬌;K分布雜波加噪聲背景下近最優(yōu)相干檢測方法[D];西安電子科技大學(xué);2018年

5 孫海欣;混沌噪聲背景下周期信號的頻率估計的方法研究[D];吉林大學(xué);2008年

6 孫喚喚;混沌噪聲背景下微弱脈沖信號的檢測與恢復(fù)[D];重慶理工大學(xué);2017年

7 祝林林;基于混沌同步的混沌噪聲背景下諧波參數(shù)估計方法研究[D];吉林大學(xué);2011年

8 胡曉;強噪聲背景下行星齒輪故障診斷研究[D];中國礦業(yè)大學(xué);2016年

9 張強;強噪聲背景下噪聲對消技術(shù)的研究[D];大連海事大學(xué);2010年

10 冷璐;強噪聲背景下圖像標定符號的識別與研究[D];南昌航空大學(xué);2008年

本文編號：2828392