本文關(guān)鍵詞：盲源分離方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：旋轉(zhuǎn)機(jī)械是生產(chǎn)中的關(guān)鍵設(shè)備,廣泛應(yīng)用在冶金、電力、石化、航空航天等領(lǐng)域,一旦旋轉(zhuǎn)機(jī)械出現(xiàn)故障,會(huì)造成生產(chǎn)停工,帶來巨大的經(jīng)濟(jì)損失,嚴(yán)重時(shí)甚至發(fā)生機(jī)械事故,導(dǎo)致人員傷亡,所以對(duì)旋轉(zhuǎn)機(jī)械進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷是必不可少的。隨著工業(yè)化、信息化、經(jīng)濟(jì)全球化地迅速發(fā)展,旋轉(zhuǎn)機(jī)械設(shè)備故障診斷技術(shù)也在不斷地進(jìn)步。在實(shí)際應(yīng)用中,旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)都是非平穩(wěn)的,并且常常面臨著各種干擾或故障相互耦合的狀況,如何有效地從傳感器采集到的觀測(cè)信號(hào)中提取出所期望的故障特征信息,是制約旋轉(zhuǎn)機(jī)械故障診斷的瓶頸,而盲源分離就可以從觀測(cè)信號(hào)中恢復(fù)出振源信號(hào),進(jìn)而提取機(jī)械源的故障特征,實(shí)現(xiàn)故障診斷。盲源分離是近年來迅速發(fā)展的一種新的信號(hào)識(shí)別方法。本文以旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)為研究對(duì)象,以盲源分離為研究方法,系統(tǒng)地研究了傳統(tǒng)的盲源分離方法在機(jī)械故障診斷領(lǐng)域中的不足,提出了三種在不同應(yīng)用條件下的改進(jìn)算法,并應(yīng)用于實(shí)際的旋轉(zhuǎn)機(jī)械復(fù)合故障的診斷中。首先,針對(duì)傳統(tǒng)盲源分離方法無法直接分離具有相關(guān)性的源信號(hào)的情況,提出了一種基于Gabor變換的去相關(guān)盲分離方法。仿真結(jié)果表明,該算法很好地解決了傳統(tǒng)盲源分離方法不可以直接分離具有相關(guān)性的源信號(hào)的難題。其次,針對(duì)傳統(tǒng)的機(jī)械故障盲源分離方法僅限于非高斯、平穩(wěn)的源信號(hào),以及觀測(cè)信號(hào)數(shù)目不少于源信號(hào)數(shù)目等缺陷,提出了一種融合小波變換和時(shí)頻分析的單通道盲分離方法。通過仿真,驗(yàn)證了該方法的可行性。并將所提出的方法應(yīng)用到滾動(dòng)軸承混合故障的分離中,成功識(shí)別出軸承的內(nèi)外圈故障。最后,盲源分離的方法包括瞬時(shí)盲源分離和卷積盲源分離,瞬時(shí)盲源分離是卷積盲源分離研究的基礎(chǔ),但是實(shí)際的機(jī)械故障中,由于信號(hào)傳遞過程中存在著散射、衍射等原因,使得信號(hào)混合的方式更加接近于卷積混合,因此,研究卷積盲源分離問題是必不可少的,本文提出了一種基于頻域的盲解卷積分離方法。將信號(hào)在時(shí)域的卷積混合轉(zhuǎn)化成為頻域的線性瞬時(shí)混合,仿真與實(shí)驗(yàn)驗(yàn)證了該方法在機(jī)械故障診斷中的有效性。
【關(guān)鍵詞】：旋轉(zhuǎn)機(jī)械 故障診斷 盲源分離 Gabor變換 時(shí)頻分析 卷積混合
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TH165.3
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-17
• 1.1 課題課課及研究意義11
• 1.2 機(jī)械故障診斷技術(shù)的發(fā)展及研究11-12
• 1.3 盲源分離方法12-16
• 1.3.1 盲源分離的發(fā)展及其研究12-15
• 1.3.2 盲源分離在機(jī)械故障診斷中的應(yīng)用15-16
• 1.4 本文研究的內(nèi)容16-17
• 第2章 盲源分離的理論基礎(chǔ)與算法研究17-31
• 2.1 前言17
• 2.2 盲源分離的基本理論17-21
• 2.2.1 盲源分離的數(shù)學(xué)模型17-19
• 2.2.2 盲源分離的基本假設(shè)19-20
• 2.2.3 盲源分離的不確定性20-21
• 2.3 盲源分離的預(yù)處理方法21-24
• 2.3.1 零均值化21-22
• 2.3.2 白化處盲22-24
• 2.4 盲源分離的經(jīng)典算法24-26
• 2.4.1 特征矩陣聯(lián)合近似對(duì)角化算法24-25
• 2.4.2 信息極大化算法25-26
• 2.4.3 獨(dú)立分量分析算法26
• 2.5 盲源分離的固定點(diǎn)算法26-29
• 2.5.1 基于峭度的盲定盲算法26-27
• 2.5.2 基于負(fù)熵的盲定盲算法27-28
• 2.5.3 基于極大似然的盲定盲算法28-29
• 2.6 盲源分離的性能評(píng)價(jià)指標(biāo)29-30
• 2.6.1 相似系數(shù)29
• 2.6.2 PI性盲指數(shù)29-30
• 2.6.3 信噪比30
• 2.7 本章小結(jié)30-31
• 第3章 基于Gabor變換的相關(guān)源信號(hào)盲分離31-41
• 3.1 前言31
• 3.2 變換Gabor31-32
• 3.3 去相關(guān)盲分離32-34
• 3.3.1 去相關(guān)理論32-33
• 3.3.2 去相關(guān)盲分離33-34
• 3.4 仿真試驗(yàn)研究34-40
• 3.5 本章小結(jié)40-41
• 第4章 融合小波分解與時(shí)頻分析的單通道振動(dòng)信號(hào)盲分離41-55
• 4.1 前言41
• 4.2 欠定盲分離41-44
• 4.2.1 小波變換41-42
• 4.2.2 貝葉斯源數(shù)估計(jì)42-43
• 4.2.3 基于小波分解與重構(gòu)的欠定盲分離43-44
• 4.3 基于時(shí)頻分析的盲分離44-45
• 4.4 融合小波分解與時(shí)頻分析的單通道盲分離45-47
• 4.5 仿真分析47-51
• 4.6 旋轉(zhuǎn)機(jī)械故障診斷分析51-54
• 4.7 本章小結(jié)54-55
• 第5章 基于能量相關(guān)調(diào)序的頻域盲解卷積方法55-65
• 5.1 前言55
• 5.2 卷積混合信號(hào)時(shí)域盲分離55-57
• 5.3 卷積混合信號(hào)頻域盲分離57-59
• 5.4 能量相關(guān)調(diào)序59-61
• 5.4.1 振動(dòng)信號(hào)盲量相關(guān)性59-60
• 5.4.2 基于能量相關(guān)的排序方法60-61
• 5.5 實(shí)驗(yàn)驗(yàn)證61-64
• 5.6 本章小結(jié)64-65
• 結(jié)論65-67
• 參考文獻(xiàn)67-71
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果71-72
• 致謝72-73
• 作者簡(jiǎn)介73

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張海軍,溫廣瑞,屈梁生;一種提高診斷信息質(zhì)量的方法[J];西安交通大學(xué)學(xué)報(bào);2002年03期

2 李力,屈梁生;應(yīng)用獨(dú)立分量分析提取機(jī)器的狀態(tài)特征[J];西安交通大學(xué)學(xué)報(bào);2003年01期

3 蔡艷平;李艾華;石林鎖;秦亮;張亞洲;;基于盲解卷積的柴油機(jī)振動(dòng)信號(hào)分離研究[J];振動(dòng)與沖擊;2010年09期

4 王曉偉;石林鎖;;自適應(yīng)非線性BSS及其在齒輪故障診斷中的應(yīng)用[J];振動(dòng)與沖擊;2012年10期

5 楊杰;鄭海起;關(guān)貞珍;王彥剛;;基于核形態(tài)成分分析的齒輪箱復(fù)合故障診斷研究[J];振動(dòng)與沖擊;2012年10期

6 潘楠;伍星;遲毅林;柳小勤;劉暢;;基于頻域盲解卷積的機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷[J];振動(dòng)與沖擊;2012年12期

7 葉紅仙;楊世錫;楊將新;;基于EMD-SVD-BIC的機(jī)械振動(dòng)源數(shù)估計(jì)方法[J];振動(dòng).測(cè)試與診斷;2010年03期

8 袁幸;朱永生;洪軍;張優(yōu)云;;用盲反卷積和改進(jìn)譜減法提取軸承微弱特征[J];振動(dòng).測(cè)試與診斷;2012年02期

9 周曉峰;楊世錫;甘春標(biāo);;一種旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的盲源分離消噪方法[J];振動(dòng).測(cè)試與診斷;2012年05期

10 李輝;鄭海起;唐力偉;;基于廣義形態(tài)分量分析的降噪技術(shù)研究[J];振動(dòng)與沖擊;2013年01期

  本文關(guān)鍵詞：盲源分離方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：428300