機(jī)械故障診斷是以機(jī)器學(xué)為基礎(chǔ)的一門綜合性技術(shù),它的本質(zhì)是一個(gè)機(jī)器運(yùn)行狀態(tài)的模式識(shí)別問題,其關(guān)鍵就是故障信號(hào)的特征提取與分類。近年來,為滿足對(duì)機(jī)器故障進(jìn)行早期檢測(cè)與精確診斷的需要,非平穩(wěn)、非高斯信號(hào)處理方法在機(jī)械故障診斷領(lǐng)域受到了廣泛關(guān)注。為此,本文基于國家自然科學(xué)基金項(xiàng)目“局域波法及其工程應(yīng)用研究”（50475155）,利用非平穩(wěn)、非高斯信號(hào)處理理論中的局域波法、Wigner高階時(shí)頻表示和盲源分離理論,結(jié)合模式識(shí)別與機(jī)器學(xué)習(xí)領(lǐng)域的研究成果,對(duì)非平穩(wěn)、非高斯的機(jī)械振動(dòng)信號(hào)特征提取與故障診斷問題進(jìn)行了廣泛而深入的研究。主要的工作如下: 1.應(yīng)用局域波法對(duì)機(jī)械振動(dòng)非平穩(wěn)信號(hào)進(jìn)行了研究。通過與小波變換和幾種時(shí)頻分析方法的比較,表明局域波法對(duì)于非平穩(wěn)信號(hào)的分析更具有效性。實(shí)驗(yàn)結(jié)果表明,局域波時(shí)頻分析能夠清晰地表征不同故障的時(shí)變特征。由于局域波時(shí)頻譜是一種二維的信號(hào)表示形式,在計(jì)算機(jī)對(duì)故障自動(dòng)分類時(shí),涉及到維數(shù)壓縮的問題。為了用盡可能少的維數(shù)表示時(shí)頻譜而不損失分類精度,幾何矩和邊緣分布可以作為時(shí)頻分布的特征。在此基礎(chǔ)上,結(jié)合人工神經(jīng)網(wǎng)絡(luò),提出了一種基于局域波幾何矩和邊緣的... 

【文章頁數(shù)】：129 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
1 緒論
    1.1 選題意義
    1.2 基于非平穩(wěn)信號(hào)處理的故障診斷技術(shù)現(xiàn)狀
        1.2.1 小波變換與機(jī)械故障診斷
        1.2.2 Cohen類時(shí)頻分布與故障診斷
        1.2.3 局域波法與故障診斷
    1.3 基于非高斯信號(hào)處理的故障診斷技術(shù)現(xiàn)狀
        1.3.1 基于高階矩譜的故障診斷技術(shù)國內(nèi)外現(xiàn)狀
        1.3.2 基于盲源分離的故障診斷技術(shù)國內(nèi)外現(xiàn)狀
    1.4 論文的結(jié)構(gòu)安排與主要工作
        1.4.1 論文研究的主要問題
        1.4.2 論文的研究內(nèi)容和章節(jié)安排
2 局域波時(shí)頻表示及其基于矩和邊緣的特征提取方法
    2.1 全域波分析方法的局限性
    2.2 局域波時(shí)頻分析
        2.2.1 瞬時(shí)頻率及其物理意義
        2.2.2 局域波分解原理及算法
        2.2.3 局域波時(shí)頻分布
        2.2.4 仿真信號(hào)分析
    2.3 基于局域波時(shí)頻譜的矩和邊緣的特征提取與故障診斷
        2.3.1 局域波時(shí)頻譜的時(shí)間矩和頻率矩以及時(shí)間邊緣和頻率邊緣
        2.3.2 概率神經(jīng)網(wǎng)絡(luò)分類器
        2.3.3 轉(zhuǎn)子故障的概率神經(jīng)網(wǎng)絡(luò)分類
    2.4 小結(jié)
3 多分量神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其在故障診斷中的應(yīng)用
    3.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)間序列
        3.1.1 簡單描述
        3.1.2 參數(shù)和網(wǎng)絡(luò)大小
        3.1.3 數(shù)據(jù)和預(yù)測(cè)精度
    3.2 多分量神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型
        3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.2 算法介紹
    3.3 仿真預(yù)測(cè)結(jié)果
    3.4 在轉(zhuǎn)子故障診斷中的應(yīng)用
        3.4.1 基于模型庫的故障診斷方法
        3.4.2 不同訓(xùn)練樣本長度下的故障分類情況
    3.5 小結(jié)
4 Wigner高階矩譜在機(jī)械故障特征提取中的應(yīng)用
    4.1 高階Wigner-Ville矩分布
        4.1.1 Wigner高階矩譜(WHOMS)的定義
        4.1.2 切片Wigner高階矩譜
    4.2 模糊函數(shù)
    4.3 利用局域波分解抑制WHOS交叉項(xiàng)的方法
    4.4 仿真實(shí)驗(yàn)
    4.5 WHOMS在柴油機(jī)缸套活塞磨損診斷中的應(yīng)用實(shí)例
    4.6 小結(jié)
5 基于局域波時(shí)頻圖像的盲源分離故障分類
    5.1 盲源分離基本理論
        5.1.1 問題描述
        5.1.2 盲可辯識(shí)性
        5.1.3 盲源分離的預(yù)處理
    5.2 獨(dú)立性和非高斯性
    5.3 信號(hào)的非高斯性度量
        5.3.1 峭度
        5.3.2 負(fù)熵
        5.3.3 互信息最小化
    5.4 FastlCA算法
    5.5 基于局域波時(shí)頻圖的盲源分離在故障診斷上的應(yīng)用
        5.5.1 基于局域波時(shí)頻圖像的盲源分離故障分類圖解
        5.5.2 用于局域波時(shí)頻譜圖像識(shí)別的盲源分離算法
    5.6 小結(jié)
6 非平穩(wěn)信號(hào)的盲源分離在機(jī)械故障診斷中的應(yīng)用
    6.1 非平穩(wěn)源信號(hào)的盲分離模型
        6.1.1 數(shù)學(xué)模型
        6.1.2 假設(shè)條件
    6.2 空間時(shí)頻分布
    6.3 基于時(shí)頻分布的盲識(shí)別方法
        6.3.1 第一步：預(yù)白化
        6.3.2 第二步：聯(lián)合對(duì)角化
        6.3.3 非平穩(wěn)信號(hào)的盲分離算法過程
    6.4 不同時(shí)頻分布的非平穩(wěn)盲源分離算法性能比較
        6.4.1 Cohen類時(shí)一頻分布
        6.4.2 仿真比較實(shí)驗(yàn)
    6.5 非平穩(wěn)信號(hào)盲源分離算法在機(jī)械故障診斷中的應(yīng)用
    6.6 基于盲源分離的多傳感器數(shù)據(jù)融合故障診斷方法
        6.6.1 數(shù)據(jù)融合框架
        6.6.2 轉(zhuǎn)子故障診斷的盲源分離多傳感器數(shù)據(jù)融合診斷
    6.7 小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
創(chuàng)新點(diǎn)摘要
致謝
附錄A 聯(lián)合對(duì)角化
大連理工大學(xué)學(xué)位論文版權(quán)使用授權(quán)書


【參考文獻(xiàn)】：
期刊論文
[1]局域波法在柴油機(jī)氣缸磨損故障診斷中的研究[J]. 鄒巖崑,馬孝江,朱泓,蔡悅,張志新.  中國機(jī)械工程. 2004(20)
[2]局域波時(shí)頻分布在轉(zhuǎn)子系統(tǒng)早期故障診斷中的應(yīng)用研究[J]. 馬孝江,王鳳利,蔡悅,張志新,王奉濤.  中國電機(jī)工程學(xué)報(bào). 2004(03)
[3]獨(dú)立分量分析基網(wǎng)絡(luò)應(yīng)用于旋轉(zhuǎn)機(jī)械故障特征抽取與分類[J]. 楊世錫,焦衛(wèi)東,吳昭同.  機(jī)械工程學(xué)報(bào). 2004(03)
[4]基于源信號(hào)之間統(tǒng)計(jì)獨(dú)立性的 ICA方法的等價(jià)性研究[J]. 張旭秀,邱天爽.  探測(cè)與控制學(xué)報(bào). 2003(04)
[5]ICA及其在往復(fù)泵多源信號(hào)分離中的應(yīng)用[J]. 王永,時(shí)文剛,呂濤.  石油礦場(chǎng)機(jī)械. 2003(05)
[6]基于源數(shù)估計(jì)的旋轉(zhuǎn)機(jī)械源盲分離[J]. 焦衛(wèi)東,楊世錫,吳昭同.  中國機(jī)械工程. 2003(14)
[7]機(jī)械故障模式識(shí)別的ICA基神經(jīng)網(wǎng)絡(luò)方法[J]. 焦衛(wèi)東,楊世錫,吳昭同.  計(jì)算技術(shù)與自動(dòng)化. 2003(02)
[8]基于獨(dú)立分量分析的字符識(shí)別方法[J]. 烏凌超,莫玉龍.  上海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2003(03)
[9]旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)基于EMD的希爾伯特變換和小波變換時(shí)頻分析比較[J]. 楊世錫,胡勁松,吳昭同,嚴(yán)拱標(biāo).  中國電機(jī)工程學(xué)報(bào). 2003(06)
[10]獨(dú)立成分分析及其應(yīng)用的研究進(jìn)展[J]. 陳華富.  生物醫(yī)學(xué)工程學(xué)雜志. 2003(02)



本文編號(hào)：3707701