本文關鍵詞：基于單通道盲源分離理論的故障特征提取技術，由筆耕文化傳播整理發(fā)布。

【摘要】：機械故障特征的提取技術對機械系統(tǒng)的狀態(tài)監(jiān)測、故障診斷具有重要意義。直接從機械系統(tǒng)獲得的觀測信號實質上是各個部件產生信號的混合,能夠反映關鍵部件運行狀況的有效信號特征往往被淹沒在了混合信號中。為了對機械關鍵部件進行準確監(jiān)測和診斷,必須從復雜的觀測信號中有效地估計與分離出能夠反映設備工作狀態(tài)的信息,這也是基于單通道盲源分離理論的故障特征提取技術的重要任務。單通道盲源分離(Single Channel Blind Source Separation,SCBSS)僅利用單路傳感器接收的混合信號,提取出關鍵特征信息,實際情況中由于機械結構、安裝條件和成本的限制,往往僅存在單個傳感器,恰恰與單通道盲源分離技術的應用環(huán)境相符合,使得其在機械故障診斷中具有深遠的科研意義和應用價值,吸引越來越多的科研人員投入研究。本文以機械設備故障特征提取為研究背景,對單通道盲源分離算法及應用進行探討,主要研究工作和成果如下:(1)研究和分析獨立分量分析理論和算法,實驗表明FastICA算法具有迭代速度快、輸出穩(wěn)定可靠、算法易實現(xiàn)等優(yōu)點,可作為單通道盲源分離算法的核心工具。(2)研究了基于虛擬多通道的單通道盲源分離算法,該算法通過對單通道混合信號的預處理,將單通道問題轉化為虛擬的多通道問題,其關鍵在于預處理算法的選擇。通過實驗對比分析了時空法、DWT、EMD、EEMD等預處理算法的性能和優(yōu)缺點。(3)研究了非抽樣小波變換原理及特性,非抽樣小波變換不需要抽樣操作,每層分解輸出的高通和低通信號長度與原始信號相同,在時域和頻域上信息是冗余的,分解結果頻帶交疊很少,將其應用到發(fā)電機組的故障診斷中,有效提取了軸瓦松動故障的特征。(4)提出了一種基于UWT-ICA的單通道盲源分離方法,實驗表明該方法具有良好的分離效果和效率,將其應用到軸承的故障特征頻率提取中,分離的分量清晰地揭示了與軸承故障相關的特征。
【關鍵詞】：獨立分量分析 虛擬多通道 單通道盲源分離 非抽樣小波變換 特征提取
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 選題背景及研究意義9-10
• 1.2 盲源分離的發(fā)展及研究現(xiàn)狀10-14
• 1.3 盲源分離在機械故障診斷中的研究現(xiàn)狀14
• 1.4 本文研究內容14-16
• 第二章 盲源分離基本理論16-34
• 2.1 引言16
• 2.2 盲源分離基本理論16-19
• 2.2.1 盲源分離數(shù)學模型17
• 2.2.2 盲源分離的基本假設17-18
• 2.2.3 分離結果的不確定性18
• 2.2.4 分離結果的評價標準18-19
• 2.3 獨立分量分析（ICA）算法19-32
• 2.3.1 ICA的目標函數(shù)19-21
• 2.3.2 ICA的常用算法21-27
• 2.3.3 高斯白噪聲信號對分離效果的影響27-29
• 2.3.4 源信號的非高斯性對分離效果的影響29-32
• 2.4 小結32-34
• 第三章 基于虛擬多通道的單通道盲源分離算法34-55
• 3.1 引言34
• 3.2 虛擬多通道盲源分離算法34-35
• 3.3 時空法35-41
• 3.3.1 時空法的概念35-36
• 3.3.2 實驗36-41
• 3.4 離散小波變換（Discrete Wavelet Transform）41-46
• 3.4.1 離散小波變換的概念41-43
• 3.4.2 實驗43-46
• 3.5 經(jīng)驗模態(tài)分解（Empirical Model Decomposition）46-50
• 3.5.1 經(jīng)驗模態(tài)分解的概念46-48
• 3.5.2 實驗48-50
• 3.6 總體經(jīng)驗模態(tài)分解法（Ensemble EMD）50-54
• 3.6.1 總體經(jīng)驗模態(tài)分解的概念50-51
• 3.6.2 實驗51-54
• 3.7 小結54-55
• 第四章 非抽樣小波變換55-64
• 4.1 引言55
• 4.2 非抽樣小波變換原理55-57
• 4.3 實驗分析57-59
• 4.4 工程應用59-63
• 4.5 小結63-64
• 第五章 基于UWT-ICA單通道盲源分離算法64-82
• 5.1 引言64
• 5.2 基于UWT-ICA單通道盲源分離算法的原理64-65
• 5.3 實驗分析65-71
• 5.3.1 僅利用逼近信號構建觀測矩陣X67-68
• 5.3.2 僅利用細節(jié)信號構建觀測矩陣X68-69
• 5.3.3 混合利用逼近信號和細節(jié)信號構建觀測矩陣X69-71
• 5.4 滾動軸承的故障特征提取71-81
• 5.4.1 軸承損傷模擬實驗72-74
• 5.4.2 軸承故障特征提取工程應用74-81
• 5.5 小結81-82
• 第六章 結論與展望82-84
• 參考文獻84-88
• 攻讀碩士學位期間取得的研究成果88-89
• 致謝89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 林秋華,殷福亮;盲源分離自適應算法的統(tǒng)一形式[J];大連理工大學學報;2002年04期

2 李廣彪;張劍云;;基于變步長等變化自適應盲源分離算法[J];電子信息對抗技術;2006年01期

3 蘇中元;賈民平;;周期平穩(wěn)信號盲源分離算法及其應用[J];機械工程學報;2007年10期

4 陳錫明;黃碩翼;;盲源分離綜述——問題、原理和方法[J];電子信息對抗技術;2008年02期

5 劉秀芳;艾延廷;張[，

本文編號：301731