發(fā)布時間：2017-05-05 10:16

  本文關(guān)鍵詞：基于盲源分離的機械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的進步，機械設(shè)備的自動化程度越來越高，逐漸向著復雜化、精密化、高效化發(fā)展，隨之而來的就是機械設(shè)備功能復雜化及各個工作單元之間關(guān)系的復雜化。若是某個關(guān)鍵部位發(fā)生了故障，那么可能就會引起一系列的連鎖反應(yīng)，影響設(shè)備的正常運行，造成巨大經(jīng)濟損失，更嚴重的還有可能發(fā)生人身事故。因此，對機械設(shè)備進行故障診斷具有重大意義。 在對機械設(shè)備進行信號采集時，需要在多個測點安裝傳感器，傳感器采集到的信號不僅包含被診斷的機器發(fā)出的信號，而且還包含了鄰近其他設(shè)備發(fā)出的信號。特別是當多故障并發(fā)時，采集到的信號往往是多個故障信號的混合疊加，傳統(tǒng)的信號處理方法對多混和疊加的信號難以進行分離，因此不能準確地得到機械設(shè)備的完整信息。而盲源分離可以僅利用觀測信號來估計出各個源信號，它可以解決多重信號混疊的分離問題。 本文對盲源分離的主流算法獨立成分分析進行了研究。從計算復雜度、魯棒性、迭代次數(shù)、收斂時間這幾個方面對FastICA算法和RobustICA算法進行了對比，結(jié)果表明RobustICA算法優(yōu)于FastICA算法。并將RobustICA算法應(yīng)用到旋轉(zhuǎn)機械中的軸承、液壓泵故障診斷領(lǐng)域。 研究了RobustICA算法在單、多通道故障診斷中的應(yīng)用。在多通道故障診斷中，分別研究了液壓泵出現(xiàn)斜盤磨損單故障、斜盤磨損與滑靴磨損復合故障兩種故障形式，成功地利用RobustICA算法提取出了故障特征頻率，驗證了算法的有效性。在單通道故障診斷中，為了滿足盲源分離問題多輸入的條件，引入了EEMD算法，利用EEMD算法可將信號分解為多個固有模式分量的特點，適當?shù)倪x取多個固有模式分量與原觀測信號組成RobustICA算法新的輸入，將問題由單通道轉(zhuǎn)變?yōu)槎嗤ǖ溃⒋朔椒☉?yīng)用到軸承單故障與混合故障診斷中，成功地提取了故障特征頻率，驗證了方法的有效性。
【關(guān)鍵詞】：故障診斷 故障特征頻率 FastICA RobustICA EEMD 單通道 多通道
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-20
• 1.1 課題背景10
• 1.2 機械設(shè)備故障診斷技術(shù)的研究現(xiàn)狀和發(fā)展趨勢10-12
• 1.2.1 機械設(shè)備故障診斷技術(shù)的研究現(xiàn)狀10-12
• 1.2.2 機械設(shè)備故障診斷技術(shù)的發(fā)展趨勢12
• 1.3 基于盲源分離的故障信號檢測12-17
• 1.3.1 盲源分離概述12-13
• 1.3.2 盲源分離發(fā)展歷史13-15
• 1.3.3 盲源分離的應(yīng)用15-17
• 1.3.4 盲源分離理論用于機械故障信號提取17
• 1.4 本文研究的意義和主要內(nèi)容17-20
• 1.4.1 本文研究的意義17-18
• 1.4.2 本文內(nèi)容安排18-20
• 第2章 獨立成分分析的理論基礎(chǔ)20-30
• 2.1 統(tǒng)計理論20-24
• 2.1.1 不相關(guān)性20-21
• 2.1.2 統(tǒng)計獨立性21-22
• 2.1.3 累積量、矩及它們的性質(zhì)22-24
• 2.2 信息理論24-27
• 2.2.1 熵、微分熵、負熵24-26
• 2.2.2 Kullback-Leibler 散度26
• 2.2.3 互信息26-27
• 2.3 梯度與優(yōu)化方法27-29
• 2.3.1 向量梯度27-28
• 2.3.2 矩陣梯度28
• 2.3.3 優(yōu)化方法28-29
• 2.4 本章小結(jié)29-30
• 第3章 獨立成分分析30-39
• 3.1 ICA 與 BSS30
• 3.2 ICA 的原理30-32
• 3.2.1 ICA 的定義30-31
• 3.2.2 ICA 的假設(shè)條件31-32
• 3.3 ICA 的不確定性32-33
• 3.4 ICA 預處理33-34
• 3.5 ICA 分離性能判斷指標34-35
• 3.6 ICA 仿真35-38
• 3.7 本章小結(jié)38-39
• 第4章 RobustICA 算法研究39-56
• 4.1 FastICA 的回顧39-41
• 4.2 RobustICA 算法特點41-43
• 4.3 RobustICA 算法原理及實現(xiàn)步驟43-46
• 4.4 RobustICA 算法計算量分析46-47
• 4.5 仿真研究47-55
• 4.5.1 采樣點數(shù)與信噪比的影響47-49
• 4.5.2 相關(guān)系數(shù)與均方誤差比較49-52
• 4.5.3 迭代次數(shù)與收斂時間比較52-55
• 4.6 本章小結(jié)55-56
• 第5章 RobustICA 算法在機械設(shè)備故障診斷中的應(yīng)用56-73
• 5.1 液壓泵多通道故障診斷56-62
• 5.1.1 液壓泵振動信號采集56-57
• 5.1.2 液壓泵斜盤磨損故障診斷57-59
• 5.1.3 液壓泵斜盤磨損與滑靴磨損復合故障診斷59-62
• 5.2 軸承單通道故障診斷62-68
• 5.2.1 軸承振動信號采集62-63
• 5.2.2 故障特征提取63-65
• 5.2.3 軸承外圈故障診斷65-67
• 5.2.4 軸承內(nèi)圈故障診斷67-68
• 5.3 電機混合故障診斷68-71
• 5.4 本章小結(jié)71-73
• 結(jié)論73-75
• 參考文獻75-80
• 攻讀碩士學位期間承擔的科研任務(wù)與主要成果80-81
• 致謝81-82
• 作者簡介82

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王仲妮;余先川;張立保;;基于受限的非負矩陣分解的多光譜和全色遙感影像融合[J];北京師范大學學報(自然科學版);2008年04期

2 黃智;余先川;王桂安;王仲妮;;非負矩陣分解算法在遙感圖像融合中的應(yīng)用[J];北京師范大學學報(自然科學版);2008年06期

3 余先川;劉立文;胡丹;王仲妮;;基于穩(wěn)健有序獨立成分分析(ROICA)的礦產(chǎn)預測[J];吉林大學學報(地球科學版);2012年03期

4 楊俊安,莊鎮(zhèn)泉,吳波,郭立;一種基于負熵最大化的改進的獨立分量分析快速算法[J];電路與系統(tǒng)學報;2002年04期

5 劉喜武,劉洪,鄭天愉;用獨立分量分析方法實現(xiàn)地震轉(zhuǎn)換波與多次反射波分離[J];防災減災工程學報;2003年01期

6 汪軍，，何振亞;瞬時混疊信號盲分離[J];電子學報;1997年04期

7 張賢達,保錚;盲信號分離[J];電子學報;2001年S1期

8 劉斌，凌燮亭;源于盲分離思想的線性變形圖象校正[J];復旦學報(自然科學版);1995年02期

9 金鑫;任獻彬;周亮;;智能故障診斷技術(shù)研究綜述[J];國外電子測量技術(shù);2009年07期

10 姚桂艷,孫麗媛,程秀芳,薛全會;機械故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢[J];河北理工學院學報;2005年03期

中國博士學位論文全文數(shù)據(jù)庫 前2條

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

2 劉思遠;信息融合和貝葉斯網(wǎng)絡(luò)集成的故障診斷理論方法及實驗研究[D];燕山大學;2010年

  本文關(guān)鍵詞：基于盲源分離的機械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：346171