隨著測試手段的發(fā)展日趨成熟,聲像故障診斷方法結(jié)合陣列測試方法和聲場重建技術(shù),把聲學(xué)故障診斷問題轉(zhuǎn)化為圖像的模式識別問題,展現(xiàn)出巨大發(fā)展?jié)摿?但二維源面聲像診斷技術(shù)所提取的源面信息出現(xiàn)特征冗余現(xiàn)象,限制了模式識別率的進(jìn)一步提高,同時僅僅考慮源面聲像,未有考慮聲音在聲場中的傳播變化,空間相位信息缺乏,在弱故障工況下識別率低和診斷困難�；诖�,本文在聲像故障診斷方法的基礎(chǔ)上,引入灰色關(guān)聯(lián)聚類技術(shù),對源面聲像特征信息進(jìn)行去冗余優(yōu)化,改善聲像診斷效率和魯棒性,并且發(fā)展一種三維聲場物理空間特征的聲診斷方法,有效改善弱故障工況的診斷正確率,進(jìn)一步拓展了聲成像技術(shù)的工程應(yīng)用。本文采用陣列測量手段,融合近場聲全息聲場重建技術(shù)可視化聲場,進(jìn)而借鑒圖像處理領(lǐng)域理論和支持向量機(jī)模式識別方法等多學(xué)科理論。一方面從優(yōu)化聲像故障診斷方法角度出發(fā),引入灰色關(guān)聯(lián)聚類技術(shù)對源面聲像特征信息進(jìn)行去冗余優(yōu)化,約減特征維數(shù),并仿真和實驗驗證該方法的正確性和有效性,改善聲像診斷效率和穩(wěn)定性。另一方面運用信息映射和融合的思想,提出了一種基于三維聲場物理特征的聲診斷方法,該方法利用近場聲全息技術(shù)構(gòu)建弱故障工況的輻射聲場,將聲源的相位... 

【文章來源】：鄭州輕工業(yè)大學(xué)河南省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

三維聲場空間特征的故障診斷方法流程

陣列掃描架168

圖 4-9 電火花加工軸承內(nèi)圈故障圖0.4mm0.6圖 4-10 軸承故障狀態(tài)（3）實驗參數(shù)設(shè)計和工況設(shè)置由于聲音的干涉、反射、衍射現(xiàn)象，軸承試驗選擇在空曠的大面積試驗廠房射物較少。依據(jù)轉(zhuǎn)子試驗臺結(jié)構(gòu)確定聲源主要為一對軸承和電機(jī)三部分組成

【參考文獻(xiàn)】：
期刊論文
[1]基于平滑l0范數(shù)的壓縮感知近場聲全息方法[J]. 趙永峰,楊濤.  壓電與聲光. 2018(01)
[2]面向高光譜圖像分類的超像素級Gabor特征融合方法研究[J]. 賈森,吳奎霖,朱家松,李清泉.  南京信息工程大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[3]基于Gabor小波-傳遞熵的腦-肌電信號同步耦合分析[J]. 張園園,鄒策,陳曉玲,尹永浩,程生翠,陳迎亞,謝平.  生物醫(yī)學(xué)工程學(xué)雜志. 2017(06)
[4]改進(jìn)的Gabor小波變換的特性及其在地震信號中的應(yīng)用（英文）[J]. 姬戰(zhàn)懷,嚴(yán)勝剛.  Applied Geophysics. 2017(04)
[5]基于k-空間格林函數(shù)的近場聲全息濾波方法研究[J]. 張一澍,馬宏偉,王星,王浩添.  現(xiàn)代電子技術(shù). 2017(21)
[6]多分類孿生支持向量機(jī)研究進(jìn)展[J]. 丁世飛,張健,張謝鍇,安悅瑄.  軟件學(xué)報. 2018(01)
[7]利用Gabor小波的空域自適應(yīng)隱寫算法[J]. 王龍飛,郭繼昌.  哈爾濱工業(yè)大學(xué)學(xué)報. 2017(05)
[8]大孔徑聲全息密集陣列的陣元數(shù)量去冗余方法[J]. 郭文勇,陳林松,曹躍云.  應(yīng)用聲學(xué). 2017(03)
[9]一種基于Gabor小波及互協(xié)方差降維運算的人臉識別方法[J]. 李雅倩,張少偉,李海濱,張文明,張強(qiáng).  電子與信息學(xué)報. 2017(08)
[10]統(tǒng)計最優(yōu)近場聲全息數(shù)值仿真研究[J]. 趙報川,趙永峰.  科技創(chuàng)新與應(yīng)用. 2016(34)

博士論文
[1]大規(guī)模稀疏支持向量機(jī)算法研究[D]. 劉大蓮.北京交通大學(xué) 2017
[2]非平行平面支持向量機(jī)及特征提取中若干問題研究[D]. 陳素根.江南大學(xué) 2016
[3]半監(jiān)督支持向量機(jī)模型與算法研究[D]. 閆辛.上海大學(xué) 2016
[4]基于變分模態(tài)分解與優(yōu)化多核支持向量機(jī)的旋轉(zhuǎn)機(jī)械早期故障診斷方法研究[D]. 呂中亮.重慶大學(xué) 2016

碩士論文
[1]基于支持向量機(jī)的量化擇時策略及實證研究[D]. 宋文達(dá).西安工業(yè)大學(xué) 2017
[2]基于雙T-SV模型下支持向量機(jī)回歸的量化策略研究[D]. 周炳均.西南交通大學(xué) 2017
[3]支持向量機(jī)多因子選股模型[D]. 魏妹金.華僑大學(xué) 2015
[4]基于Gabor小波變換的人臉特征提取方法研究[D]. 白雪姣.武漢理工大學(xué) 2013
[5]基于Gabor小波變換和SVM的人臉表情識別[D]. 王黎艷.南京理工大學(xué) 2009
[6]基于Gabor小波的人臉識別的單樣本問題研究[D]. 姚榮華.上海交通大學(xué) 2007



本文編號：2968791