【摘要】：隨著科技的發(fā)展和需求的提升,現(xiàn)代裝備的復(fù)雜度、精密度、集成度以及智能程度越來(lái)越高,而工況卻越來(lái)越苛刻,因此對(duì)這些設(shè)備的可靠性提出了更高的要求。為了減少和避免設(shè)備運(yùn)行中不可預(yù)知的失效所帶來(lái)的各種經(jīng)濟(jì)損失和人身危害,狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)的發(fā)展和應(yīng)用顯得尤為必要。先進(jìn)的狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)不僅可以發(fā)現(xiàn)早期故障,避免事故發(fā)生,更能從根本上解決維修不足和過(guò)剩維修的問(wèn)題。本文圍繞信號(hào)稀疏表征理論的最新研究進(jìn)展,以滾動(dòng)軸承、齒輪等核心部件為主要研究對(duì)象,開(kāi)展了基于稀疏表征理論的故障信號(hào)分析與故障特征提取技術(shù)的研究。文中的工作主要在三個(gè)層面展開(kāi):基于稀疏理論的機(jī)械故障信號(hào)的時(shí)頻表達(dá)(時(shí)頻分析技術(shù));信號(hào)形態(tài)成分分析技術(shù)(成分分離技術(shù));以及基于移不變稀疏編碼的早期故障和弱故障特征提取技術(shù)(弱特征提取技術(shù)),提出了一系列基于稀疏約束和冗余表達(dá)思想的特征強(qiáng)化、噪聲抑制、多故障分析等方法,并將這些方法應(yīng)用于各種仿真和實(shí)驗(yàn)數(shù)據(jù)的分析以驗(yàn)證其有效性。本文的主要內(nèi)容如下:(1)從狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)在工程實(shí)際中的巨大應(yīng)用價(jià)值以及設(shè)備故障診斷學(xué)的學(xué)科理念出發(fā),闡述了論文選題的背景和研究意義。以軸承、齒輪等核心零部件為關(guān)鍵研究問(wèn)題,從時(shí)域分析方法、頻域分析方法和時(shí)頻域分析方法等幾個(gè)方面,系統(tǒng)而扼要地闡述了國(guó)內(nèi)外學(xué)者和工程技術(shù)人員在機(jī)械故障信號(hào)處理技術(shù)上的研究現(xiàn)狀和熱點(diǎn)。最后,論述了稀疏表征理論的發(fā)展概況,以及它在故障診斷中具有的研究和應(yīng)用潛力,并提出了本文的研究思路和技術(shù)框架。(2)推導(dǎo)了稀疏表征理論的數(shù)學(xué)模型、稀疏性度量標(biāo)準(zhǔn)等理論表述,詳細(xì)介紹了稀疏表征問(wèn)題中的優(yōu)化問(wèn)題求解思路、常用的求解方法以及信號(hào)精確重構(gòu)的的條件等。主要對(duì)基追蹤、FOCUSS算法、匹配追蹤等系數(shù)求解算法進(jìn)行了說(shuō)明,并對(duì)常用的系數(shù)求解算法做了性能的對(duì)比。此外,對(duì)冗余字典的構(gòu)造、典型的分析字典以及自學(xué)習(xí)字典等進(jìn)行了介紹,這些基本概念和理論的闡述為后續(xù)章節(jié)的展開(kāi)奠定了基礎(chǔ)。(3)論述了稀疏表征與信號(hào)能量時(shí)頻分布之間的關(guān)聯(lián),通過(guò)對(duì)典型信號(hào)的分析和方法對(duì)比得出了基于稀疏原子重構(gòu)的時(shí)頻分布的特點(diǎn)。結(jié)合滾動(dòng)軸承的結(jié)構(gòu)特點(diǎn)和運(yùn)動(dòng)特征,推導(dǎo)了軸承點(diǎn)蝕故障的信號(hào)模型,并進(jìn)一步得到特征頻率的計(jì)算方法。利用滾動(dòng)軸承故障仿真信號(hào),說(shuō)明了稀疏原子重構(gòu)時(shí)頻分析在故障特征強(qiáng)化和噪聲抑制上的能力。最后提出一種基于AR預(yù)白化和稀疏分解的沖擊特征強(qiáng)化方法,實(shí)驗(yàn)證明該方法可有效抑制信號(hào)中的固有成分和噪聲,進(jìn)而強(qiáng)化沖擊成分。(4)首先論述形態(tài)成分分析的基本概念、原理和算法實(shí)現(xiàn),并通過(guò)相關(guān)算例進(jìn)一步闡述形態(tài)成分分析方法的特性。結(jié)合齒輪傳動(dòng)的結(jié)構(gòu)和運(yùn)行特點(diǎn),介紹了齒輪故障的仿真信號(hào)模型,并對(duì)齒輪箱加性混合仿真信號(hào)進(jìn)行了形態(tài)成分的分離研究。通過(guò)實(shí)驗(yàn)分析證明了形態(tài)成分分析方法在分離故障信號(hào)中不同形態(tài)分量的可行性和有效性。(5)從實(shí)現(xiàn)微弱故障特征提取所面臨的挑戰(zhàn)為切入點(diǎn),引出了移不變稀疏編碼思想所能提供的解決方向,進(jìn)而介紹了移不變稀疏編碼的理論模型和算法實(shí)現(xiàn),提出了一種基于該思想的微弱故障特征提取方法,可實(shí)現(xiàn)重復(fù)性出現(xiàn)的弱特征的有效提取。通過(guò)對(duì)極低信噪比的軸承故障仿真信號(hào)的分析,說(shuō)明了該方法的參數(shù)選擇原則和算法實(shí)施流程,也證明了該方法在處理強(qiáng)噪聲信號(hào)時(shí)的有效性。通過(guò)3個(gè)具有典型代表的實(shí)驗(yàn)分析,驗(yàn)證了該方法在軸承早期故障探測(cè)、變速箱微弱故障提取以及在較強(qiáng)嚙合成分干擾下提取齒面故障信息等方面的能力。(6)研究了如何利用移不變稀疏編碼思想解決多故障信號(hào)的分析問(wèn)題,結(jié)合機(jī)械故障信號(hào)本身的特點(diǎn),充分考慮單通道線性混合信號(hào)與移不變稀疏編碼模型的關(guān)聯(lián)性,提出了一種基于移不變稀疏編碼的時(shí)域特征自學(xué)習(xí)和自適應(yīng)聚類的故障信號(hào)單通道盲源分離方法,并基于最小化各個(gè)源信號(hào)結(jié)構(gòu)相關(guān)性實(shí)現(xiàn)源信號(hào)數(shù)目的估計(jì)。在仿真信號(hào)的分析中,對(duì)該方法的流程和效果做了介紹,并對(duì)源信號(hào)能量對(duì)比不均等、噪聲干擾較大等情況做了進(jìn)一步的分析,說(shuō)明該方法的魯棒性。對(duì)軸承復(fù)合故障實(shí)驗(yàn)信號(hào)的分析結(jié)果驗(yàn)證了該方法能有效分離由不同故障引起的各種信號(hào)成分。綜上所述,本文主要圍繞稀疏表征在故障診斷中的研究展開(kāi),主體內(nèi)容的安排逐層遞進(jìn),首先以稀疏表征的理論推導(dǎo)和介紹做為本文的基礎(chǔ)內(nèi)容(第二章),進(jìn)而研究基于單一字典庫(kù)的稀疏表征方法在故障信號(hào)沖擊成分強(qiáng)化及時(shí)頻特征提取等方面的應(yīng)用(第三章),接著對(duì)基于多字典庫(kù)的形態(tài)分析方法進(jìn)行論述和研究,并將相關(guān)方法用于故障信號(hào)中不同成分的分離(第四章),進(jìn)一步地,提出了一種基于字典自學(xué)習(xí)的弱故障特征提取方法,稱為基于移不變稀疏編碼的弱特征提取技術(shù)(第五章),它具有更好的自適應(yīng)性,結(jié)合移不變稀疏編碼的特性,本文最后對(duì)多故障信號(hào)的分析做了進(jìn)一步的研究,提出一種基于稀疏編碼思想的多故障分離方法(第六章)。
[Abstract]:......
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程?hào)|陽(yáng);蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年11期

2 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2013年03期

3 唐峰;孫錟鋒;蔣興浩;陸歡;;基于改進(jìn)稀疏編碼模型的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年09期

4 鄭歆慰;胡巖峰;孫顯;王宏琦;;基于空間約束多特征聯(lián)合稀疏編碼的遙感圖像標(biāo)注方法研究[J];電子與信息學(xué)報(bào);2014年08期

5 苗中華;周廣興;劉海寧;劉成良;;基于稀疏編碼的振動(dòng)信號(hào)特征提取算法與實(shí)驗(yàn)研究[J];振動(dòng)與沖擊;2014年15期

6 郝凱;宋明黎;卜佳俊;陳純;;局部稀疏編碼的自然灰度圖像著色方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年08期

7 王斌;王媛媛;肖文華;王煒;張茂軍;;基于判別稀疏編碼視頻表示的人體動(dòng)作識(shí)別[J];機(jī)器人;2012年06期

8 歐陽(yáng)琰;桑農(nóng);黃銳;;基于魯棒稀疏編碼的表情識(shí)別方法[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2013年03期

9 史駿;姜志國(guó);馮昊;張浩鵬;孟鋼;;基于彈性網(wǎng)稀疏編碼的空間目標(biāo)識(shí)別[J];航空學(xué)報(bào);2013年05期

10 ;[J];;年期

相關(guān)會(huì)議論文 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實(shí)現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

相關(guān)博士學(xué)位論文 前9條

1 唐海峰;基于信號(hào)稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 李清勇;視覺(jué)感知的稀疏編碼理論及其應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

3 季昊;稀疏編碼研究及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2012年

4 孫俊;人臉圖像分析和識(shí)別方法研究[D];清華大學(xué);2001年

5 朱秋平;基于稀疏編碼的織物瑕疵檢測(cè)算法研究[D];武漢大學(xué);2014年

6 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識(shí)理論與方法[D];清華大學(xué);2014年

7 謝錦生;基于動(dòng)態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

8 劉小白;圖像及視頻語(yǔ)義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

9 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識(shí)別技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 柏文強(qiáng);基于局部特征提取和稀疏編碼的人臉識(shí)別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測(cè)與識(shí)別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場(chǎng)景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語(yǔ)音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗(yàn)證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 莊永文;基于稀疏編碼理論的自然圖像處理研究[D];廈門大學(xué);2008年

9 周期;基于稀疏編碼的視覺(jué)模型及其應(yīng)用[D];上海交通大學(xué);2009年

10 李鵬;面向自然場(chǎng)景分類的稀疏編碼研究與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

，

本文編號(hào)：2462560