【摘要】：本文以國(guó)家自然科學(xué)基金項(xiàng)目“基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷新方法的研究”(編號(hào)：50205025)和浙江省自然科學(xué)基金項(xiàng)目“基于盲源分離的機(jī)械噪聲故障診斷技術(shù)研究”(編號(hào)：5001004)為基礎(chǔ)提出，論文題目為“基于獨(dú)立分量分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究”。本文提出了一個(gè)基于源分離的故障診斷新架構(gòu)，探索了獨(dú)立分量分析(ICA)理論方法在旋轉(zhuǎn)機(jī)械故障診斷中的可能應(yīng)用。全文主要內(nèi)容如下： 第一章：首先概述了故障診斷研究的多學(xué)科交叉發(fā)展歷程，分析了現(xiàn)有故障診斷理論方法的不足之處。接著，總結(jié)了獨(dú)立分量分析(ICA)理論方法及其應(yīng)用的國(guó)內(nèi)外研究現(xiàn)狀，分析了ICA應(yīng)用于機(jī)械故障診斷的可行性。由此，提出了一個(gè)基于源分離的故障診斷新架構(gòu)。最后，給出了本論文的主要研究?jī)?nèi)容、技術(shù)路線及創(chuàng)新點(diǎn)。 第二章：首先給出ICA模型及其模型估計(jì)性質(zhì)，并從參照函數(shù)和優(yōu)化算法兩方面對(duì)一般ICA算法進(jìn)行了概略總結(jié)。接著，對(duì)后續(xù)將用到的重要ICA(BSS)算法，特別是基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)算法做了詳細(xì)介紹。另外，還給出了基于帶通濾波的改進(jìn)BSS算法。驗(yàn)證改進(jìn)算法的實(shí)驗(yàn)部分，將在第三章加以詳細(xì)介紹。 第三章：研究了基于BSS的機(jī)械振動(dòng)、聲源分離問(wèn)題，包括前分析處理、BSS源分離及后分析處理等環(huán)節(jié)。其中，也包括改善ICA算法收斂性能的某些策略及解決ICA(BSS)自身不確定性問(wèn)題的某些可能措施。由此，形成了一個(gè)機(jī)械源分離的整體解決方案。最后，通過(guò)實(shí)驗(yàn)對(duì)該方案的可行性和有效性進(jìn)行了驗(yàn)證。 第四章：特征提取是故障診斷的關(guān)鍵所在。本章從模式識(shí)別角度，研究了ICA應(yīng)用背景下機(jī)械狀態(tài)特征提取問(wèn)題，給出了幾種新穎有效的ICA基特征提取策略，并對(duì)某些傳統(tǒng)特征提取方法如小波等進(jìn)行了適當(dāng)改進(jìn)。 第五章：在ICA特征提取基礎(chǔ)上，研究了幾種典型神經(jīng)網(wǎng)絡(luò)如基于誤差反傳的多層感知器、徑向基函數(shù)網(wǎng)絡(luò)和自組織映射網(wǎng)絡(luò)，以及支持向量機(jī)分類器在機(jī)械故障模式識(shí)別與分類中的應(yīng)用，并進(jìn)行了大量的故障分類對(duì)比實(shí)驗(yàn)。 第六章：在Matlab5.3編程環(huán)境下，開(kāi)發(fā)了兩個(gè)應(yīng)用軟件：BSS基機(jī)械源盲分離軟件和ICA基故障診斷軟件，作為整個(gè)論文、特別是第三、第四和第五章相關(guān)研究成果的總結(jié)。理想地，BSS基干擾消除技術(shù)、ICA基特征提取及模式分類方法，可以與通用的數(shù)字信號(hào)采集器共同整合為一個(gè)實(shí)用的機(jī)械狀態(tài)監(jiān)測(cè)與故障診斷系統(tǒng)。但是，其中有許多問(wèn)題需要解決。例如，，系統(tǒng)的數(shù)據(jù)通訊、接口以及實(shí)時(shí)性要求等。本章最后，利用實(shí)驗(yàn)臺(tái)實(shí)測(cè)數(shù)據(jù)及ICA基診斷軟件開(kāi)展了故障診斷綜合實(shí)驗(yàn)。 第七章：對(duì)全文的研究?jī)?nèi)容進(jìn)行了總結(jié)，并對(duì)未來(lái)可能的研究方向和內(nèi)容做了初步探討與展望。
【圖文】：

江大學(xué)博士學(xué)位論文第四章基于ICA的機(jī)械故障特征提取MI基認(rèn)叭VELET特征提取方法的流程如圖4一13所示。…………………………A。。111公公一一///////////////機(jī)機(jī)器器圖4一13基于Ml分析的小波特征提取流程4.2.1.3改進(jìn)方法的實(shí)驗(yàn)研究為直觀驗(yàn)證上述的Ml基認(rèn)叭VELET特征提取方法，這里利用轉(zhuǎn)子實(shí)驗(yàn)臺(tái)兩通道振動(dòng)觀測(cè)數(shù)據(jù)，加速度計(jì)設(shè)置于某一軸截面的兩個(gè)相互垂直(水平X和垂直Y)位置。信號(hào)采集轉(zhuǎn)速在1000一7000即M間變化，包括不平衡與基座松動(dòng)故障兩個(gè)模式類。采樣策略為整周期采樣。每個(gè)模式類均包含40個(gè)數(shù)據(jù)段，每段512采樣點(diǎn)，亦即一個(gè)2X512數(shù)組。(1)原始觀測(cè)數(shù)據(jù)分布:圖4一14為實(shí)施特征提取前，兩模式類原始觀測(cè)數(shù)據(jù)的分布情況。其中，“+”號(hào)為不平衡故障類樣本，“O”號(hào)為基座松動(dòng)故障類樣本。X軸和Y軸分別對(duì)應(yīng)X方向和Y方向的加速度計(jì)觀測(cè)數(shù)據(jù)。由圖4一14可見(jiàn)，兩模式類數(shù)據(jù)混疊十分嚴(yán)重，幾乎難以區(qū)分。岌瓦舊尺p州原始觀測(cè)數(shù)據(jù)散度(·十·不平街故障’。·基座松動(dòng)故障)一田24瀏溯印21抑田q

本文編號(hào)：2592642