本文關(guān)鍵詞：基于形態(tài)濾波與盲信號處理的機械故障特征提取方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：機械設(shè)備已涉及到各行業(yè)的生產(chǎn)過程中,隨著發(fā)展的需要漸漸的向著大型化、自動化、集成化的方向發(fā)展,其故障的發(fā)生方式變得更加復(fù)雜。一旦機械設(shè)備及其零部件出現(xiàn)異常,將導(dǎo)致設(shè)備損壞并造成經(jīng)濟損失和人員傷亡及社會負(fù)面影響。因此,對機械設(shè)備實施狀態(tài)監(jiān)測與故障診斷具有十分重大的意義。機械設(shè)備故障診斷的關(guān)鍵在于對故障特征的有效提取,而在旋轉(zhuǎn)機械中,滾動軸承是主要的標(biāo)準(zhǔn)零部件之一,因而對滾動軸承故障信號的特征提取分析方法進(jìn)行深入研究,具有重大的實際意義。本文采用滾動軸承作為研究對象,同時將數(shù)學(xué)形態(tài)學(xué)濾波算法和盲信號處理應(yīng)用到機械故障特征的提取分析中,重點研究了盲解卷積和非負(fù)矩陣分解算法在機械故障特征提取分析中的應(yīng)用。由于滾動軸承故障信號具有非線性、非平穩(wěn)性等特點,故利用數(shù)學(xué)形態(tài)學(xué)濾波對其進(jìn)行降噪,研究多種不同結(jié)構(gòu)元素及形態(tài)運算構(gòu)成的形態(tài)濾波器,并通過大量的仿真試驗,分析比較各類型濾波器的濾波效果。在基于獨立分量分析和聚類分析的盲解卷積算法基礎(chǔ)上,結(jié)合數(shù)學(xué)形態(tài)學(xué)濾波、改進(jìn)KL距離算法和正交匹配追蹤算法,提出一種改進(jìn)時域盲解卷積算法并通過仿真實驗加以驗證。研究了三種非負(fù)矩陣分解的初始化算法(基于多次隨機分布的初始化算法、基于SVD的初始化算法、基于FCM的初始化算法)和兩種非負(fù)分解算法(基于乘性迭代的非負(fù)分解算法、基于交替最小二乘法的非負(fù)矩陣分解算法)的基本原理,并進(jìn)行了仿真試驗。在理論研究與仿真試驗的基礎(chǔ)上,在QPZZ-II旋轉(zhuǎn)機械故障模擬試驗臺上進(jìn)行滾動軸承故障信號數(shù)據(jù)采集實驗。最后,通過分析實驗數(shù)據(jù),驗證了本文所提出算法的有效性和正確性。
【關(guān)鍵詞】：數(shù)學(xué)形態(tài)學(xué)濾波 盲信號處理 盲解卷積 非負(fù)矩陣分解 特征提取
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-19
• 1.1 課題概述11-13
• 1.1.1 課題來源11
• 1.1.2 課題研究背景及意義11-13
• 1.2 數(shù)學(xué)形態(tài)濾波理論在信號預(yù)處理中的研究現(xiàn)狀13-14
• 1.3 盲信號處理算法研究現(xiàn)狀與分析14-17
• 1.3.1 盲解卷積14-16
• 1.3.2 非負(fù)矩陣分解16-17
• 1.4 本文主要研究內(nèi)容17-19
• 第二章 基于數(shù)學(xué)形態(tài)學(xué)濾波的預(yù)處理方法研究19-37
• 2.1 數(shù)學(xué)形態(tài)學(xué)基本理論19-22
• 2.1.1 數(shù)學(xué)形態(tài)學(xué)基本運算19-20
• 2.1.2 基本運算的效果20-21
• 2.1.3 形態(tài)濾波器類型21-22
• 2.2 結(jié)構(gòu)元素22-25
• 2.2.1 結(jié)構(gòu)元素的形狀23-24
• 2.2.2 自適應(yīng)獲取結(jié)構(gòu)元素尺寸24-25
• 2.2.3 構(gòu)建結(jié)構(gòu)元素算法25
• 2.3 構(gòu)建形態(tài)濾波器25-27
• 2.3.1 平均組合濾波器26
• 2.3.2 廣義形態(tài)濾波器26
• 2.3.3 形態(tài)梯度與差值形態(tài)濾波器26
• 2.3.4 濾波效果的衡量標(biāo)準(zhǔn)26-27
• 2.4 仿真分析27-34
• 2.4.1 組合形態(tài)濾波器的濾波結(jié)果28-30
• 2.4.2 廣義形態(tài)濾波器的濾波結(jié)果30-31
• 2.4.3 形態(tài)梯度與差值形態(tài)濾波器的濾波結(jié)果31-34
• 2.5 本章小結(jié)34-37
• 第三章 基于形態(tài)濾波與盲解卷積的滾動軸承故障提取37-53
• 3.1 盲解卷積理論37-40
• 3.1.1 盲解卷積的數(shù)學(xué)模型37-39
• 3.1.2 盲解卷積基本假設(shè)及其解的不確定性39-40
• 3.1.3 盲解卷積算法的評價標(biāo)準(zhǔn)40
• 3.2 信號的預(yù)處理40-42
• 3.2.1 信號的零均值化處理41
• 3.2.2 信號的白化處理41-42
• 3.3 時域盲解卷積的改進(jìn)算法研究42-48
• 3.3.1 基于獨立分量分析和聚類分析的時域盲解卷積算法42-43
• 3.3.2 改進(jìn)時域盲解卷積算法43-48
• 3.4 仿真分析48-51
• 3.4.1 正交匹配追蹤(OMP)算法仿真48-49
• 3.4.2 改進(jìn)時域盲解卷積算法仿真49-51
• 3.5 本章小結(jié)51-53
• 第四章 基于形態(tài)濾波與非負(fù)矩陣分解的滾動軸承故障提取53-69
• 4.1 非負(fù)矩陣分解基本理論53-55
• 4.1.1 非負(fù)矩陣分解數(shù)學(xué)模型53-54
• 4.1.2 目標(biāo)函數(shù)54
• 4.1.3 迭代準(zhǔn)則54-55
• 4.2 非負(fù)矩陣分解初始化問題研究55-60
• 4.2.1 基于多次隨機分布的NMF初始化問題56-57
• 4.2.2 基于奇異值分解的NMF初始化問題57-58
• 4.2.3 基于聚類分析的NMF初始化問題58-60
• 4.3 非負(fù)矩陣分解算法研究60-62
• 4.3.1 基于乘性迭代的NMF算法61
• 4.3.2 基于交替最小二乘法的NMF算法61-62
• 4.4 仿真分析62-68
• 4.4.1 NMF初始化算法仿真62-65
• 4.4.2 基于乘性迭代的NMF算法仿真65-66
• 4.4.3 基于交替最小二乘法的NMF算法仿真66-68
• 4.5 本章小結(jié)68-69
• 第五章 滾動軸承故障實驗研究與數(shù)據(jù)分析69-83
• 5.1 滾動軸承故障信號采集69-74
• 5.1.1 實驗設(shè)備簡介69-71
• 5.1.2 傳感器的標(biāo)定71-72
• 5.1.3 滾動軸承故障類型72
• 5.1.4 數(shù)據(jù)采集72-74
• 5.2 實驗數(shù)據(jù)分析處理74-82
• 5.2.1 基于數(shù)學(xué)形態(tài)學(xué)濾波的預(yù)處理分析75-77
• 5.2.2 基于形態(tài)濾波與盲解卷積的滾動軸承故障提取分析77-80
• 5.2.3 基于形態(tài)濾波與非負(fù)矩陣分解的滾動軸承故障提取分析80-82
• 5.3 本章小結(jié)82-83
• 第六章 總結(jié)與展望83-87
• 6.1 論文總結(jié)83-84
• 6.2 主要創(chuàng)新點84
• 6.3 研究展望84-87
• 致謝87-89
• 參考文獻(xiàn)89-93
• 附錄A 攻讀碩士學(xué)位期間的學(xué)術(shù)成果93-95
• A.1 攻讀碩士期間發(fā)表的學(xué)術(shù)論文93
• A.2 攻讀碩士期間申請的發(fā)明專利93-95
• 附錄B 攻讀碩士學(xué)位期間參與項目及獲得獎勵95
• B.1 攻讀碩士期間參與項目95
• B.2 攻讀碩士期間獲得獎勵95

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 謝靜;趙文強;雷毅;;盲信號處理在機電聲學(xué)監(jiān)測與診斷中的應(yīng)用[J];艦船電子工程;2012年08期

2 毋文峰;陳小虎;蘇勛家;姚春江;王旭平;;基于負(fù)熵的旋轉(zhuǎn)機械盲信號處理[J];中國機械工程;2011年10期

3 李承志;吳華;程嗣怡;張官榮;;獨立分量分析在雷達(dá)盲信號處理上的應(yīng)用[J];現(xiàn)代防御技術(shù);2012年01期

4 黃晉英;潘宏俠;畢世華;楊喜旺;;基于盲信號處理的傳動箱狀態(tài)監(jiān)測與故障診斷[J];彈箭與制導(dǎo)學(xué)報;2006年02期

5 王宇;遲毅林;伍星;沈沂;;基于盲信號處理的機械噪聲監(jiān)測與故障診斷[J];振動與沖擊;2009年06期

6 劉曉峰;張志涌;;基于遺傳算法的直接盲信號檢測[J];東南大學(xué)學(xué)報(自然科學(xué)版);2005年S2期

7 秦亮;石林鎖;張亞洲;;基于盲信號提取的機械振動信號消噪方法研究[J];電子測量技術(shù);2009年06期

8 葉中付,葉鳳芹;陣列通道復(fù)增益盲估計[J];火控雷達(dá)技術(shù);2000年01期

9 毋文峰;陳小虎;蘇勛家;姚春江;江克俠;;機械振動源數(shù)估計的小波方法[J];機械科學(xué)與技術(shù);2011年10期

10 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 何振亞;;盲信號處理及其神經(jīng)計算[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

2 范京;張福學(xué);;硅微陀螺盲信號處理[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議專刊[C];2008年

3 劉曉峰;張志涌;;基于遺傳算法的直接盲信號檢測[A];2005年全國自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2005年

4 劉曉峰;張志涌;;基于遺傳算法的直接盲信號檢測[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（二）[C];2005年

5 何艷;黃建宇;吳仁彪;;一種基于FastICA算法的改進(jìn)盲抽取方法[A];第十九屆中國（天津）'2005IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報記者 馮海波 通訊員 祝和平;他給聲音做導(dǎo)航[N];廣東科技報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 郭文強;穩(wěn)定分布噪聲下的盲信號處理方法及應(yīng)用研究[D];大連理工大學(xué);2007年

2 任東曉;非線性盲信號抽取及應(yīng)用研究[D];電子科技大學(xué);2012年

3 王宇;機械噪聲監(jiān)測中盲信號處理方法研究[D];昆明理工大學(xué);2010年

4 王峻峰;基于主分量、獨立分量分析的盲信號處理及應(yīng)用研究[D];華中科技大學(xué);2005年

5 王惠剛;自適應(yīng)盲信號處理理論及應(yīng)用研究[D];西北工業(yè)大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉鳳;基于形態(tài)濾波與盲信號處理的機械故障特征提取方法研究[D];昆明理工大學(xué);2015年

2 郭云喜;盲信號處理及應(yīng)用[D];西南交通大學(xué);2012年

3 劉子龍;盲信號處理中信源數(shù)目估計方法研究[D];中北大學(xué);2012年

4 宋英;兩輸入兩輸出全息盲信號的解析分離[D];內(nèi)蒙古工業(yè)大學(xué);2010年

5 曾玉祥;盲抽取與SVM方法在地球化學(xué)異常下限提取中的應(yīng)用[D];成都理工大學(xué);2010年

6 冷巨昕;盲信號處理中信源個數(shù)估計方法研究[D];電子科技大學(xué);2009年

7 李薇;盲信號處理技術(shù)在水下目標(biāo)分離中的應(yīng)用[D];哈爾濱工程大學(xué);2011年

8 邱火旺;基于盲信號處理的多目標(biāo)分離與定位技術(shù)研究[D];西北工業(yè)大學(xué);2007年

9 梁月;無線通信系統(tǒng)中基于PARAFAC模型的盲信號處理問題[D];天津大學(xué);2012年

10 劉海龍;基于峭度的盲信號抽取技術(shù)在車輛聲頻信號分離中的應(yīng)用研究[D];長安大學(xué);2007年

  本文關(guān)鍵詞：基于形態(tài)濾波與盲信號處理的機械故障特征提取方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：304278