伴隨著自動(dòng)化程度的提高,機(jī)械系統(tǒng)結(jié)構(gòu)越來越復(fù)雜與精密,對(duì)機(jī)械系統(tǒng)的狀態(tài)監(jiān)測(cè)與故障診斷也日益重要。旋轉(zhuǎn)機(jī)械是應(yīng)用最廣泛的機(jī)械設(shè)備之一,旋轉(zhuǎn)機(jī)械故障約有30%是滾動(dòng)軸承引起的。本文研究了單通道盲分離算法在滾動(dòng)軸承故障診斷中的應(yīng)用。首先闡述了論文的選題背景及研究意義,介紹了盲信號(hào)分離發(fā)展現(xiàn)狀及其在機(jī)械故障診斷領(lǐng)域的應(yīng)用現(xiàn)狀。研究了盲分離方法的常用算法,討論了白噪聲個(gè)數(shù)及源信號(hào)非高斯性對(duì)分離效果的影響。實(shí)驗(yàn)表明:源信號(hào)中高斯信號(hào)最多只能有一個(gè),且源信號(hào)中所含噪聲成分越少分離效果越好。為了使單通道信號(hào)盲分離滿足正定約束條件,研究了基于預(yù)處理和主分量分析相結(jié)合的單通道盲分離方法。首先對(duì)信號(hào)進(jìn)行預(yù)處理,再通過主分量分析算法提取主要成分,以估計(jì)源信號(hào)的個(gè)數(shù)。研究表明采用不同的預(yù)處理方法會(huì)影響信號(hào)的盲分離效果。因此尋求一種有效的預(yù)處理方法是單通道盲信號(hào)分離的關(guān)鍵。頻率切片小波變換（FSWT）可對(duì)任意頻帶進(jìn)行重構(gòu),無需依賴小波函數(shù),提取感興趣的頻帶并重構(gòu),有效地提取了軸承損傷故障特征信息。在研究FSWT特性基礎(chǔ)上,提出了基于FSWT預(yù)處理的單通道盲分離方法。正確地分離出軸承損傷故障特征。為解決盲分離算法分... 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文選題背景及研究意義
    1.2 盲信號(hào)分離研究現(xiàn)狀
    1.3 盲信號(hào)分離在機(jī)械故障診斷中的發(fā)展現(xiàn)狀
    1.4 論文研究內(nèi)容及安排
        1.4.1 課題來源及研究內(nèi)容
        1.4.2 本文章節(jié)安排
第二章 ICA基本理論與方法
    2.1 引言
    2.2 ICA基本理論
        2.2.1 ICA定義及數(shù)學(xué)模型
        2.2.2 ICA的可辨識(shí)性及不確定性
    2.3 ICA常用算法研究
        2.3.1 特征矩陣的聯(lián)合近似對(duì)角化法
        2.3.2 最大信息熵算法
        2.3.3 固定點(diǎn)算法
        2.3.4 算法分離效果對(duì)比
    2.4 白噪聲對(duì)分離效果的影響
    2.5 源信號(hào)非高斯性對(duì)分離效果的影響
    2.6 小結(jié)
第三章 基于預(yù)處理的單通道盲信號(hào)分離算法
    3.1 引言
    3.2 主分量分析理論
    3.3 算法基本原理
    3.4 時(shí)空法
        3.4.1 算法基本原理
        3.4.2 實(shí)驗(yàn)
    3.5 總體經(jīng)驗(yàn)?zāi)B(tài)分解
        3.5.1 算法基本原理
        3.5.2 實(shí)驗(yàn)
    3.6 非抽樣小波變換
        3.6.1 算法基本原理
        3.6.2 實(shí)驗(yàn)
    3.7 算法分離效果對(duì)比
    3.8 小結(jié)
第四章 基于FSWT-ICA的單通道盲分離算法
    4.1 引言
    4.2 頻率切片小波變換
        4.2.1 FSWT基本原理
        4.2.2 實(shí)驗(yàn)分析
        4.2.3 工程應(yīng)用
    4.3 基于FSWT-ICA的單通道盲分離算法
        4.3.1 算法基本原理
        4.3.2 實(shí)驗(yàn)分析
        4.3.3 工程應(yīng)用
    4.4 小結(jié)
第五章 基于CICA的單通道盲信號(hào)分離算法
    5.1 引言
    5.2 基于脈沖法的CICA算法
        5.2.1 CICA基本原理
        5.2.2 參考信號(hào)的構(gòu)造
        5.2.3 基于脈沖法的CICA算法實(shí)驗(yàn)仿真
        5.2.4 各參數(shù)對(duì)提取效果影響
    5.3 基于CICA的單通道盲分離算法
        5.3.1 算法基本原理
        5.3.2 工程應(yīng)用
    5.4 小結(jié)
第六章 結(jié)論與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于約束獨(dú)立成分分析的軸承復(fù)合故障特征提取方法[J]. 李瑞彤,王華慶,屈紅偉,齊放,李美嬌.  噪聲與振動(dòng)控制. 2015(03)
[2]基于EEMD子帶提取相關(guān)機(jī)械振動(dòng)信號(hào)單通道盲源分離[J]. 孟宗,蔡龍.  振動(dòng)與沖擊. 2014(20)
[3]基于約束獨(dú)立分量分析的腦電特征提取[J]. 黃璐,王宏.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(03)
[4]頻率切片小波變換時(shí)頻分析方法在發(fā)電機(jī)組故障診斷中的應(yīng)用[J]. 段晨東,高強(qiáng),徐先峰.  中國電機(jī)工程學(xué)報(bào). 2013(32)
[5]基于譜峭度和cICA的滾動(dòng)軸承故障特征提取[J]. 梁瑜,郭瑜,吳川輝.  機(jī)械強(qiáng)度. 2013(05)
[6]多元消減約束獨(dú)立分量分析及其在振源貢獻(xiàn)量計(jì)算中的應(yīng)用[J]. 張杰,張周鎖,朱冠汶,陳彬強(qiáng),成瑋,何正嘉.  機(jī)械工程學(xué)報(bào). 2014(05)
[7]基于小波包-變分貝葉斯獨(dú)立分量分析的源信號(hào)盲分離方法[J]. 李志農(nóng),周偉,劉衛(wèi)兵,何況.  南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(01)
[8]基于小波分量奇異值分解的單通道盲分離算法[J]. 張純,楊俊安,葉豐.  電子測(cè)量與儀器學(xué)報(bào). 2011(11)
[9]基于局域均值分解的機(jī)械故障欠定盲源分離方法研究[J]. 李志農(nóng),劉衛(wèi)兵,易小兵.  機(jī)械工程學(xué)報(bào). 2011(07)
[10]基于經(jīng)驗(yàn)?zāi)Ｊ椒纸獾膯瓮ǖ罊C(jī)械信號(hào)盲分離[J]. 毋文峰,陳小虎,蘇勛家.  機(jī)械工程學(xué)報(bào). 2011(04)

博士論文
[1]約束獨(dú)立成分分析及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D]. 王志陽.上海交通大學(xué) 2011
[2]基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D]. 焦衛(wèi)東.浙江大學(xué) 2003

碩士論文
[1]基于ICA和矩陣分解的單通道數(shù)字調(diào)制信號(hào)分離算法研究[D]. 廖理.電子科技大學(xué) 2013
[2]單通道時(shí)頻混疊信號(hào)調(diào)制識(shí)別與參數(shù)估計(jì)研究與實(shí)現(xiàn)[D]. 吳量.解放軍信息工程大學(xué) 2012
[3]MP在單通道盲信號(hào)分離中的應(yīng)用[D]. 張文惠.西南交通大學(xué) 2011



本文編號(hào)：3353386