發(fā)布時間：2023-05-07 19:02

　　本論文在國家自然科學基金(No.51675258),機械系統(tǒng)與振動國家重點實驗室(No.MSV201914)和南昌航空大學研究生創(chuàng)新專項資金項目(YC2017049)的資助下展開深入研究,針對傳統(tǒng)平行因子在故障診斷中存在的局限性,將擴展平行因子分析算法引入到機械故障診斷中,研究了基于擴展平行因子分析的機械故障診斷方法,并進行仿真與實驗驗證,取得了較好的創(chuàng)新性成果,全文的主要內(nèi)容如下:1.針對傳統(tǒng)基于平行因子的機械故障盲源分離方法(PARAFAC-BSS)存在的不足,即該方法中的PARAFAC分解唯一性需要滿足條件為三個承載矩陣中不能含有任何相關列,這就限制了PARAFAC-BSS的應用。在此基礎上,將PARAFAC-BSS進行擴展,提出了基于擴展平行因子分析的機械故障盲源分離方法(PARAFAC2-BSS),提出的方法的優(yōu)勢在于,建立的PARAFAC2模型僅要求一個模式矩陣集合具有相同的因子,其他的矩陣可以具有不同的因子,從而克服了PARAFAC-BSS方法中存在的不足,建立的模型在某一維度下變化時,模型仍然有效,而傳統(tǒng)的PARAFAC-BSS故障盲分離方法必須重新建立模型。同時,將P...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的提出及其意義
    1.2 機械故障盲源分離國內(nèi)外研究現(xiàn)狀
    1.3 平行因子分析的國內(nèi)外研究現(xiàn)狀
    1.4 本課題的研究內(nèi)容和主要創(chuàng)新點
        1.4.1 主要內(nèi)容
        1.4.2 關鍵問題和主要創(chuàng)新點
第2章 基于PARAFAC2 的盲分離方法研究
    2.1 概述
    2.2 PARAFAC2 理論及其算法
    2.3 仿真研究
    2.4 實驗研究
    2.5 本章小結(jié)
第3章 EMD-PARAFAC2和LMD-PARAFAC2 盲分離方法研究
    3.1 概述
    3.2 EMD-PARAFAC2 盲分離方法
    3.3 LMD-PARAFAC2 盲分離方法
    3.4 仿真研究
    3.5 實驗研究
    3.6 本章小結(jié)
第4章 基于PARAFAC2 的卷積混合盲分離方法研究
    4.1 概述
    4.2 PARAFAC2 卷積模型的建立
    4.3 仿真研究
    4.4 實驗研究
    4.5 本章小結(jié)
第5章 基于TUCKER-DBN的機械故障識別方法研究
    5.1 概述
    5.2 TUCKER分解
    5.3 DBN算法
    5.4 TUCKER-DBN模型建立
    5.5 實驗研究
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學位期間發(fā)表的論文和參加科研情況
致謝



本文編號：3811153