在旋轉(zhuǎn)機械的狀態(tài)檢測和故障診斷過程中，多干擾源或多故障相互復(fù)合的情況一直是旋轉(zhuǎn)機械振動信號處理中重要的研究內(nèi)容。傳統(tǒng)的信號處理方法很難對多個振動信號的混疊進(jìn)行精確的分離和提取。自90年代以來備受關(guān)注的盲源分離方法不需要過多的先驗信息，僅通過觀測信號就可以恢復(fù)出混疊信號中各個未知的信號源，為多故障信號的分離提供了新方法。然而,常規(guī)的盲源分離方法在處理旋轉(zhuǎn)機械振動信號時，往往要求觀測通道數(shù)不能少于源信號數(shù)，但實際應(yīng)用中有時會出現(xiàn)單觀測通道的特殊情況，此時常規(guī)盲源分離方法將失效。針對此不足，本文結(jié)合Hilbert-Huang變換的獨特優(yōu)勢，研究了單通道盲源分離方法及其在旋轉(zhuǎn)機械故障診斷中的應(yīng)用，主要工作如下： （1）提出了基于自適應(yīng)微分進(jìn)化的盲源分離算法。該算法采用信號的負(fù)熵作為目標(biāo)函數(shù)，利用微分進(jìn)化算法求解最優(yōu)分離矩陣，并根據(jù)信號的狀態(tài)自適應(yīng)調(diào)整交叉概率和變異因子，有效克服了傳統(tǒng)優(yōu)化算法收斂速度慢且易陷入局部最優(yōu)值的缺點，實現(xiàn)了對混合信號的盲源分離。仿真結(jié)果表明：該算法不僅分離效果理想，而且收斂速度較快。 （2）闡述了Hilbert-Huang變換的基本概念及其基本算法和改進(jìn)型算法。由于Hilbert-Huang變換的核心部分經(jīng)驗?zāi)B(tài)分解時常會發(fā)生模態(tài)混疊現(xiàn)象，因此N.E.Huang提出了總體經(jīng)驗?zāi)B(tài)分解。根據(jù)白噪聲均勻的分布性，向信號內(nèi)添加一定量的白噪聲，然后進(jìn)行多次經(jīng)驗?zāi)B(tài)分解，再將本征模態(tài)函數(shù)分量總體平均，從而有效克服模態(tài)混疊。經(jīng)對比分析表明總體經(jīng)驗?zāi)B(tài)分解優(yōu)于經(jīng)驗?zāi)B(tài)分解。 （3）深入研究了基于EEMD-BSS的單通道旋轉(zhuǎn)機械故障診斷方法。該方法首先利用EEMD對單通道觀測信號進(jìn)行升維，使欠定問題轉(zhuǎn)化為正定問題；其次采用占優(yōu)特征值方法確定信號源數(shù)目，確保盲源分離的有效性；最后使用改進(jìn)的盲源分離算法對升維信號進(jìn)行分離，得到源信號的有效估計。仿真實驗和實測轉(zhuǎn)子故障實驗的結(jié)果表明：該方法在單觀測通道情況下能有效實現(xiàn)旋轉(zhuǎn)機械復(fù)合故障信號的分離，且分離效果較好。
【學(xué)位單位】：南昌航空大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2013
【中圖分類】：TH165.3
【部分圖文】：

圖 2-2 自適應(yīng)處理算法示意圖適應(yīng)處理器”可對分離矩陣W進(jìn)行調(diào)節(jié)，具體算法行選擇。其典型的算法主要有：基于隨機梯度的算法以及基于非線性主分量分析的算法。追蹤算法。它是基于統(tǒng)計學(xué)上的一種方法，通過將高到低維空間上來探查高維數(shù)據(jù)的結(jié)構(gòu)，完成了此次從原始數(shù)據(jù)中消除，然后再次重復(fù)投影過程對剩余循環(huán)的過程，可以有效估計出原始信號的數(shù)據(jù)結(jié)構(gòu)道，估計出的結(jié)果并不具有唯一性，由于特定方向往果會隨特定方向的改變而無法確定。投影追蹤法會將向逐次分離，每當(dāng)分離出一個分量后，就通過正交化除，再接著對其他分量繼續(xù)進(jìn)行分離，因此投影追蹤型的投影追蹤算法有：固定點算法（Fixed-point A因子乘積的方法。

群的多樣性進(jìn)一步提高，從而進(jìn)行交叉操 ( 1)iX t 進(jìn)行雜交，其操作表達(dá)式如式(2-3 ( 1), ( ( )) ( 1)( ),ij cijx t if randb j P or j rnx t otherwise ' ' '1 2 ( 1), ( 1),..., ( 1)i i ij（ x t x t x t ）為目標(biāo)個體 1,2,...,D； 0,1 cP 稱為交叉概率，它決定的概率，cP 值越大就意味著目標(biāo)個體分量速率就越快；r andb (i ) 0,1 為一個隨機數(shù)功能的作用是保證'( 1)ijx t 最少可以在 ijx維交叉操作示意圖。( )ix t'(i ( 1)x ix t j 1j 1j 1 3 crand P

25為進(jìn)一步比較3種算法的收斂性能，畫出3種算法負(fù)熵值隨迭代步數(shù)的變化曲線圖，如圖2-11所示。()iJy圖 2-11 三種算法比較從圖2-11可以看出，ADE-BSS算法收斂速度最快，迭代18步的時候?qū)崿F(xiàn)了混合信號的分離；普通DE-BSS算法其次，迭代65步的時候?qū)崿F(xiàn)了混合信號的分離；自然梯度算法收斂最慢，直到迭代770步才實現(xiàn)混合信號的分離�？梢姡疚奶岢龅腁DE-BSS算法收斂速度更快，且達(dá)到了全局最優(yōu)值，明顯優(yōu)于普通DE-BSS算法和自然梯度算法。PI圖 2-12 三種算法 PI 收斂曲線由2.2.3節(jié)可以知道，三種算法的分離效果可用式(2-27)的評價指標(biāo) PI 來衡量
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于德介,程軍圣;EMD方法在齒輪故障診斷中的應(yīng)用[J];湖南大學(xué)學(xué)報(自然科學(xué)版);2002年06期

2 宋曉萍;廖明夫;;盲源分離方法在旋轉(zhuǎn)機械故障診斷中的應(yīng)用[J];機械設(shè)計與制造;2006年03期

3 石林鎖;袁濤;;內(nèi)燃機振動信號的盲源分離方法試驗研究[J];內(nèi)燃機學(xué)報;2007年05期

4 鐘佑明,金濤,秦樹人;希爾伯特-黃變換中的一種新包絡(luò)線算法[J];數(shù)據(jù)采集與處理;2005年01期

5 江莉;李林;董惠;;基于改進(jìn)EMD方法的多分量信號分析[J];振動與沖擊;2009年04期

6 楊慶;陳桂明;薛冬林;;基于最小平方距離相關(guān)的EMD改進(jìn)算法及應(yīng)用[J];振動與沖擊;2011年06期

7 曹沖鋒;楊世錫;楊將新;;一種抑制EMD端點效應(yīng)新方法及其在信號特征提取中的應(yīng)用[J];振動工程學(xué)報;2008年06期

8 楊世錫,胡勁松,吳昭同,嚴(yán)拱標(biāo);旋轉(zhuǎn)機械振動信號基于EMD的希爾伯特變換和小波變換時頻分析比較[J];中國電機工程學(xué)報;2003年06期

9 楊志華,齊東旭,楊力華,吳立軍;一種基于HHT的信號周期性分析方法及應(yīng)用[J];中山大學(xué)學(xué)報(自然科學(xué)版);2005年02期

10 董紹江;湯寶平;張焱;;基于最優(yōu)匹配跟蹤算法的單通道機械信號盲源分離[J];振動工程學(xué)報;2012年06期

本文編號：2882141