本文關(guān)鍵詞：基于盲源分離的船舶柴油機(jī)噪聲分離技術(shù)研究

  更多相關(guān)文章： 船舶柴油機(jī) 盲源分離 故障診斷

【摘要】：海上交通運(yùn)輸?shù)陌l(fā)展帶動船舶向大型化、自動化發(fā)展,為保障海上運(yùn)輸安全,必須提高船舶機(jī)械特別是為船舶提供動力的船舶柴油機(jī)的可靠性。用聲學(xué)診斷技術(shù)來研究船舶柴油機(jī)的可靠性比傳統(tǒng)故障診斷技術(shù)在傳感器布置方面更具有靈活性,但采集到噪聲信號都是多個激勵源產(chǎn)生的混合信號,難以實現(xiàn)對指定激勵源的準(zhǔn)確分析。本文研究的目的就是從船舶柴油機(jī)產(chǎn)生的混合噪聲信號中提取出單個激勵源產(chǎn)生的信號,以提高聲學(xué)診斷的準(zhǔn)確性。本文利用盲源分離技術(shù)來提取船舶柴油機(jī)單一激勵源產(chǎn)生的噪聲信號。在闡述盲源分離算法的基礎(chǔ)上,首先在MATLAB軟件上模擬兩個聲音信號的混合和盲源分離過程；然后以型號為MAN 5S35ME-B9的船舶柴油機(jī)為研究對象,對采集的噪聲信號進(jìn)行盲分離,并找出分離信號與噪聲源的對應(yīng)關(guān)系；最后單獨對船舶柴油機(jī)第一缸的聲發(fā)射信號進(jìn)行盲源分離,并分析分離信號與激勵源的對應(yīng)關(guān)系。得到結(jié)論如下：(1)在MATLAB上模擬結(jié)果顯示,兩個分離聲音信號與兩個源信號的波形和頻率分布一致,說明盲源分離是一種可靠的信號分離方法。(2)利用FastICA盲源分離算法對船舶柴油機(jī)采集的7個噪聲信號進(jìn)行分離,成功提取出船舶柴油機(jī)燃燒激勵引起的噪聲信號,實驗柴油機(jī)在轉(zhuǎn)速為100r/min時,燃燒激勵引起的噪聲信號主要頻率成分為250Hz。但由于柴油機(jī)所處聲場復(fù)雜,難以實現(xiàn)對所有激勵信號的分離。(3)對第一缸采集的聲發(fā)射信號進(jìn)行盲分離實驗,從采集的三個混合信號中成功分離出了燃燒激勵引起的聲發(fā)射信號和活塞環(huán)與氣缸相對運(yùn)動產(chǎn)生的聲發(fā)射信號,說明盲分離可以實現(xiàn)對柴油機(jī)單缸聲發(fā)射信號的分離。綜上,利用盲源分離可以從船舶柴油機(jī)的混合信號中提取出單個激勵源產(chǎn)生的信號,將盲源分離與傳統(tǒng)的故障診斷技術(shù)相結(jié)合,必將提高船舶柴油機(jī)運(yùn)行的可靠性。
【關(guān)鍵詞】：船舶柴油機(jī) 盲源分離 故障診斷
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U664.121
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 課題的背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 盲源分離理論研究現(xiàn)狀11-12
• 1.2.2 盲源分離在機(jī)械設(shè)備上的應(yīng)用現(xiàn)狀12-13
• 1.3 本文研究的主要內(nèi)容和論文結(jié)構(gòu)安排13-15
• 第二章 盲源分離基本理論15-24
• 2.1 盲源分離基本模型15-17
• 2.2 盲源分離基本概念17-19
• 2.2.1 不相關(guān)與統(tǒng)計獨立性17
• 2.2.2 K-L散度與互信息17-18
• 2.2.3 非高斯性18
• 2.2.4 熵與負(fù)熵18-19
• 2.2.5 峭度19
• 2.2.6 中心化和白化19
• 2.3 盲源分離目標(biāo)函數(shù)與優(yōu)化準(zhǔn)則19-20
• 2.3.1 非線性去相關(guān)準(zhǔn)則20
• 2.3.2 非高斯性最大化準(zhǔn)則20
• 2.3.3 信息最大化準(zhǔn)則20
• 2.3.4 互信息最小化準(zhǔn)則20
• 2.3.5 最大似然估計準(zhǔn)則20
• 2.4 盲源分離的數(shù)學(xué)模型20-22
• 2.4.1 線性混合模型20-21
• 2.4.2 非線性混合模型21-22
• 2.5 盲源分離約束條件與不確定性分析22-24
• 2.5.1 盲源分離問題的約束條件22
• 2.5.2 盲源分離的不確定性22-24
• 第三章 信號的盲源分離算法24-43
• 3.1 盲源分離算法分類24-28
• 3.1.1 線性瞬時混合盲分離算法24-25
• 3.1.2 線性卷積混合盲分離算法25-27
• 3.1.3 非線性混合盲源分離算法27-28
• 3.2 瞬時混合語音信號分離28-34
• 3.2.1 FastICA算法描述28-30
• 3.2.2 FastICA算法仿真模擬30-34
• 3.3 基于JADE算法的卷積混合語音信號分離34-41
• 3.3.1 聯(lián)合近似對角化算法(JADE)描述35-36
• 3.3.2 K-means聚類解決排列不確定性問題36-37
• 3.3.3 卷積混合語音信號JADE算法模擬實驗37-41
• 3.4 真實語音信號盲源分離試驗41-43
• 第四章 基于語音信號盲分離的船舶噪聲分離實驗43-60
• 4.1 基于Labview的語音信號采集系統(tǒng)43-46
• 4.1.1 采集系統(tǒng)設(shè)備簡介43-45
• 4.1.2 聲音信號采集系統(tǒng)的程序框圖45-46
• 4.2 船舶柴油機(jī)噪聲信號盲源分離46-53
• 4.2.1 船舶柴油機(jī)噪聲信號盲分離實驗設(shè)計46-47
• 4.2.2 船舶柴油機(jī)噪聲信號的盲分離分析47-52
• 4.2.3 船舶噪聲分離實驗總結(jié)52-53
• 4.3 船舶柴油機(jī)聲發(fā)射信號盲源分離實驗53-59
• 4.4 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-62
• 5.1 本文研究的主要內(nèi)容和結(jié)論60-61
• 5.2 展望61-62
• 參考文獻(xiàn)62-65
• 致謝65

【相似文獻(xiàn)】

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(yīng)算法的統(tǒng)一形式[J];大連理工大學(xué)學(xué)報;2002年04期

2 李廣彪;張劍云;;基于變步長等變化自適應(yīng)盲源分離算法[J];電子信息對抗技術(shù);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(yīng)用[J];機(jī)械工程學(xué)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(shù);2008年02期

5 劉秀芳;艾延廷;張[，

本文編號：929192