在機械設備狀態(tài)監(jiān)測與故障診斷研究中,故障特征的提取及表達關系到故障診斷的可靠性與準確性,因此是機械設備故障研究中的關鍵問題。本文應用時域絕對自相關統(tǒng)計分析、時頻分析中小波的分形分析、基于高階統(tǒng)計量的獨立分量分析與盲分離,對旋轉(zhuǎn)機械中的軸承與齒輪的不同狀態(tài)的振動信號進行特征提取與表達、及分類研究。第一章闡明了機械設備狀態(tài)監(jiān)測與故障診斷的選題意義及研究內(nèi)容,回顧了現(xiàn)有的檢測方案及技術手段。分析了現(xiàn)有的振動信號分析方法：時域統(tǒng)計分析、時頻分析、基于高階統(tǒng)計量分析的獨立分量分析及盲信號分離�；谳S承、齒輪的振動分析,指出本論文的主要研究內(nèi)容。第二章提出了一種基于絕對自相關統(tǒng)計分析信號周期瞬態(tài)成分檢測方法及故障特征極坐標增強表達方法,首先計算信號的時間平均函數(shù),接著計算其自相關函數(shù),再利用快速傅里葉變換計算自相關函數(shù)的頻譜,根據(jù)頻譜確定信號的主要頻率成分,分別按照這些主要頻率成分的周期建立極坐標映射,并將各映射表示在極坐標圖上,當對應于周期極坐標圖上出現(xiàn)增強的特征表示,即判定待檢測信號中存在有此周期的瞬態(tài)成分。所提出的方法可以有效的分辨出軸承的狀態(tài)以及其對應的故障。第三章主要研究了小波變換分形方... 

【文章來源】：中國科學技術大學安徽省 211工程院校 985工程院校

【文章頁數(shù)】：121 頁

【學位級別】：博士

【文章目錄】：
摘要
ABSTRACT
目錄
插圖
表格
第1章 緒論
    1.1 機械設備狀態(tài)監(jiān)測與故障診斷技術的選題意義與研究內(nèi)容
        1.1.1 選題意義
        1.1.2 研究內(nèi)容
    1.2 機械設備狀態(tài)監(jiān)測與故障診斷現(xiàn)有檢測方案、技術手段分析
    1.3 振動信號分析處理方法研究現(xiàn)狀
        1.3.1 時域統(tǒng)計分析
        1.3.2 Fourier分析
        1.3.3 時頻分析
        1.3.4 Hilbert-Huang變換
        1.3.5 獨立分量分析與盲信號分離
    1.4 本論文的主要研究工作
        1.4.1 本論文的研究對象
        1.4.2 本論文的主要研究內(nèi)容
第2章 基于絕對自相關的軸承故障瞬態(tài)成分檢測與特征表達研究
    2.1 引言
    2.2 基于振動信號的絕對自相關分析
    2.3 基于絕對自相關的瞬態(tài)成分檢測與特征表達
    2.4 基于模擬信號瞬態(tài)沖擊成分檢測仿真分析
    2.5 軸承振動實驗及結(jié)果分析
        2.5.1 軸承振動實驗
        2.5.2 實驗結(jié)果分析
    2.6 本章小結(jié)
第3章 基于小波分形的滾動軸承狀態(tài)分類研究
    3.1 引言
    3.2 小波變換
        3.2.1 連續(xù)小波變換
        3.2.2 離散小波變換
        3.2.3 小波包變換
    3.3 基于正交小波變換的分形原理
    3.4 測試系統(tǒng)及實驗設計
        3.4.1 測試系統(tǒng)
        3.4.2 實驗設計
    3.5 實驗及其結(jié)果分析
    3.6 本章小結(jié)
第4章 獨立分量分析及一維振動信號特征提取
    4.1 引言
    4.2 ICA基礎理論
        4.2.1 統(tǒng)計獨立性與不相關性
        4.2.2 ICA模型
        4.2.3 ICA的可解性假設及解的不確定性
        4.2.4 非高斯性度量
        4.2.5 信號的預處理方法
    4.3 FastICA算法
    4.4 仿真分析
    4.5 基于ICA的一維振動信號特征提取分析
        4.5.1 基于ICA的一維振動信號特征提取
        4.5.2 齒輪箱振動信號實驗分析
    4.6 本章小結(jié)
第5章 基于盲卷積分離模型的故障特征提取研究
    5.1 引言
    5.2 多傳感器測試系統(tǒng)
    5.3 盲卷積模型
    5.4 信號分離性能評判準則
    5.5 仿真實驗分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
在讀期間發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]基于PCA及ICA的雙空間特征提取算法[J]. 王衛(wèi)東,韓斌,楊靜宇.  中國圖象圖形學報. 2008(11)
[2]基于PCA和ICA的虹膜識別方法[J]. 孫農(nóng)亮,于雯雯,曹茂永.  中國圖象圖形學報. 2008(09)
[3]應用頻域ICA對參考輸入進行預處理的ANC系統(tǒng)[J]. 吳英姿,鮑雪山,徐新盛.  振動與沖擊. 2008(08)
[4]一種基于ICA的多源圖像融合算法[J]. 曹杰,龔聲蓉,劉純平,姚望舒,劉全.  中國圖象圖形學報. 2007(10)
[5]基于獨立分量分析的消噪方法在旋轉(zhuǎn)機械特征提取中的應用[J]. 季忠,金濤,楊炯明,秦樹人.  中國機械工程. 2005(01)
[6]基于獨立成分分析的強背景噪聲去噪方法[J]. 孔薇,楊杰,周越.  上海交通大學學報. 2004(12)
[7]基于獨立分量分析特征提取的復合神經(jīng)網(wǎng)絡故障診斷法[J]. 楊世錫,焦衛(wèi)東,吳昭同.  振動工程學報. 2004(04)
[8]基于多項式擬合算法的EMD端點問題的處理[J]. 劉慧婷,張旻,程家興.  計算機工程與應用. 2004(16)
[9]基于SVM和ICA的視頻幀字幕自動定位與提取[J]. 劉駿偉,莊越挺,吳飛.  中國圖象圖形學報. 2003(11)
[10]希爾伯特-黃變換的端點延拓[J]. 黃大吉,趙進平,蘇紀蘭.  海洋學報(中文版). 2003(01)

博士論文
[1]基于小波變換與獨立分量分析的內(nèi)燃機振聲特性研究[D]. 金巖.浙江大學 2007
[2]多元統(tǒng)計分析在設備狀態(tài)監(jiān)測診斷中的應用研究[D]. 何清波.中國科學技術大學 2007
[3]基于獨立分量分析的旋轉(zhuǎn)機械故障診斷方法研究[D]. 焦衛(wèi)東.浙江大學 2003



本文編號：3441327