發(fā)布時(shí)間：2018-01-18 04:20

  本文關(guān)鍵詞：量子ICA技術(shù)在故障診斷中的應(yīng)用研究　出處：《中北大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 量子優(yōu)化 獨(dú)立分量分析 故障診斷 量子神經(jīng)網(wǎng)絡(luò)

【摘要】：近年來世界各國都對故障診斷十分重視，，因?yàn)橐坏┰谏a(chǎn)過程中出現(xiàn)故障，都有可能使機(jī)械設(shè)備整體停工，給生產(chǎn)等帶來極大的經(jīng)濟(jì)損失，甚至威脅工作人員的生命安全。所以，及時(shí)發(fā)現(xiàn)及排除故障具有很重要的現(xiàn)實(shí)意義。本文以齒輪箱為研究對象，將量子優(yōu)化算法引入到盲源分離中，提出了量子獨(dú)立分量分析算法（QICA算法），對齒輪箱產(chǎn)生的振動信號進(jìn)行盲分離再提取其故障特征信息，最后用量子神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對齒輪箱的故障診斷。本文主要工作內(nèi)容如下： （1）分析并研究了獨(dú)立分量分析算法和量子優(yōu)化算法的理論、原理和重要公式的推導(dǎo)，詳細(xì)研究了幾種常用算法，為后續(xù)工作打基礎(chǔ)。 （2）創(chuàng)新性的提出了量子獨(dú)立分量分析算法（QICA算法）。根據(jù)獨(dú)立分量分析算法的一般求解過程，以量子算法為優(yōu)化算法，提出了量子獨(dú)立分量分析算法，并推導(dǎo)出算法中的關(guān)鍵理論，編制了算法程序。并通過仿真實(shí)驗(yàn)驗(yàn)證了該算法的可能性及其分離性能，結(jié)果表明量子優(yōu)化應(yīng)用于獨(dú)立分量分析確實(shí)有助于提高算法的效率。 （3）在對齒輪箱故障特征深入研究的基礎(chǔ)上，利用齒輪箱在實(shí)驗(yàn)室設(shè)置的五種典型工況下測量和采集其振動信號，并使用量子獨(dú)立分量分析算法（QICA算法）進(jìn)行測試信號的盲源分離，提取其故障特征，再以量子神經(jīng)網(wǎng)絡(luò)進(jìn)行齒輪箱的故障診斷。結(jié)果表明，經(jīng)過量子盲源分離后，可提高齒輪箱的故障診斷的準(zhǔn)確性和可靠性。
[Abstract]:In recent years, many countries all over the world attach great importance to the fault diagnosis, because once there is a fault in the production process, it is possible to make the whole machinery and equipment shut down, which brings great economic loss to the production and so on. Therefore, timely detection and troubleshooting of faults is of great practical significance. In this paper, a quantum optimization algorithm is introduced to blind source separation based on gearbox. A quantum independent component analysis (QICA) algorithm is proposed, in which the vibration signals generated by the gearbox are separated blind and the fault characteristic information is extracted. Finally, the fault diagnosis of gearbox is realized by quantum neural network. The main work of this paper is as follows: 1) the theory, principle and important formulas of independent component analysis (ICA) and quantum optimization algorithm are analyzed and studied, and several common algorithms are studied in detail to lay the foundation for further work. 2) an innovative quantum independent component analysis (QICA) algorithm is proposed. According to the general solution process of the independent component analysis (ICA) algorithm, the quantum algorithm is taken as the optimization algorithm. A quantum independent component analysis (QICA) algorithm is proposed, the key theory of the algorithm is deduced, and the algorithm program is developed. The possibility and separation performance of the algorithm are verified by simulation experiments. The results show that the application of quantum optimization to independent component analysis can improve the efficiency of the algorithm. On the basis of deeply studying the fault characteristics of the gearbox, the vibration signals of the gearbox are measured and collected under five typical working conditions set in the laboratory. The quantum independent component analysis (QICA) algorithm is used to separate the blind source of the test signal, extract its fault characteristics, and then use the quantum neural network to diagnose the gearbox fault. The accuracy and reliability of gearbox fault diagnosis can be improved by quantum blind source separation.
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 屈微;劉賀平;張德政;;基于獨(dú)立分量分析特征提取的故障診斷系統(tǒng)[J];北京科技大學(xué)學(xué)報(bào);2006年07期

2 張賢達(dá),保錚;盲信號分離[J];電子學(xué)報(bào);2001年S1期

3 凌燮亭;近場寬帶信號源的盲分離[J];電子學(xué)報(bào);1996年07期

4 黃蓓,王士同;量遺傳算法及其在無約束優(yōu)化問題中的應(yīng)用[J];信息技術(shù);2005年10期

5 黃晉英;潘宏俠;畢世華;楊喜旺;;基于高階累量譜的軸承故障診斷[J];火炮發(fā)射與控制學(xué)報(bào);2007年02期

6 魏娜;黃學(xué)宇;劉守東;;量子進(jìn)化算法原理及改進(jìn)策略研究[J];計(jì)算機(jī)工程;2011年20期

7 李盼池;楊雨;張巧翠;;相位編碼量子蟻群算法及在連續(xù)優(yōu)化中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2010年12期

8 丁濤;王芳;任工昌;;旋轉(zhuǎn)機(jī)械故障診斷研究現(xiàn)狀[J];機(jī)械設(shè)計(jì)與制造;2009年12期

9 焦衛(wèi)東;楊世錫;錢蘇翔;胡紅生;嚴(yán)拱標(biāo);;聯(lián)合應(yīng)用MUSIC與FastICA算法實(shí)現(xiàn)多個(gè)時(shí)空混疊源信號的波形重建[J];機(jī)械工程學(xué)報(bào);2010年06期

10 車立志;徐文尚;劉倩婧;;旋轉(zhuǎn)機(jī)械系統(tǒng)故障診斷發(fā)展綜述[J];礦山機(jī)械;2008年12期

相關(guān)博士學(xué)位論文 前4條

1 李加文;盲信號理論及在機(jī)械設(shè)備故障檢測與分析中的應(yīng)用研究[D];上海交通大學(xué);2006年

2 葉婭蘭;獨(dú)立分量分析算法及其在生物醫(yī)學(xué)中的應(yīng)用研究[D];電子科技大學(xué);2008年

3 劉建強(qiáng);非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學(xué);2009年

4 王衛(wèi)華;盲源分離算法及應(yīng)用研究[D];哈爾濱工程大學(xué);2009年

相關(guān)碩士學(xué)位論文 前9條

1 崔曉靜;基于量子特征與ICA技術(shù)的齒輪箱故障診斷研究[D];中北大學(xué);2011年

2 謝志明;盲源分離技術(shù)在航空發(fā)動機(jī)故障診斷中的應(yīng)用研究[D];中南大學(xué);2011年

3 黃蓓;量子遺傳算法及其在圖像自適應(yīng)增強(qiáng)中的應(yīng)用研究[D];江南大學(xué);2005年

4 項(xiàng)文娟;齒輪箱故障源信號分析方法及系統(tǒng)研究[D];浙江大學(xué);2007年

5 李躍光;量子蟻群算法的研究及應(yīng)用[D];蘭州理工大學(xué);2008年

6 薛松;時(shí)頻分析方法在齒輪箱故障特征提取中的研究應(yīng)用[D];太原理工大學(xué);2008年

7 孟東東;基于虛擬儀器的采煤機(jī)故障診斷系統(tǒng)的研究[D];安徽理工大學(xué);2009年

8 王慧;復(fù)數(shù)fMRI數(shù)據(jù)分析的ICA算法研究[D];大連理工大學(xué);2009年

9 劉麗軍;基于盲源分離的齒輪箱故障特征提取[D];中北大學(xué);2010年

本文編號：1439427