強噪聲背景下機械設備微弱信號的提取與檢測技術研究
發(fā)布時間:2023-04-16 18:54
在實際的機械設備故障診斷中,由于現(xiàn)場環(huán)境比較惡劣,所測得的振動信號除包含有用的特征信息外還存在大量的噪聲干擾。尤其是機械設備的早期故障,特征信號比較微弱,往往被強噪聲所淹沒,極大地影響了設備狀態(tài)信息的準確獲取。因此,論文以機械設備為對象,研究了強噪聲背景下微弱信號的提取和檢測技術。 設備工況的變化以及其自身的非線性使機械設備的動態(tài)信號表現(xiàn)出非平穩(wěn)性。經(jīng)驗模式分解方法是一種處理非線性非平穩(wěn)信號的有效工具,但是對于強噪聲背景下的微弱信號,噪聲干擾會加重經(jīng)驗模式分解的邊界效應,影響分解的質量和效果。為此,本文提出一種基于級聯(lián)雙穩(wěn)隨機共振降噪的經(jīng)驗模式分解方法,利用隨機共振在微弱信號檢測方面的優(yōu)勢,實現(xiàn)對微弱非平穩(wěn)信號的提取。仿真實驗以及滾動軸承的故障診斷實例驗證了該方法的有效性。 奇異值分解是一種非線性濾波方法,廣泛應用于信號的消噪和檢測工作中。但是傳統(tǒng)的奇異值分解通常是在時域中進行,由于奇異值對噪聲比較敏感,因此奇異值分解只適用于弱噪聲的情況。針對這個問題,論文提出了基于頻域的奇異值分解方法,通過傅立葉變換將時域信號轉換到頻域進行處理,增強了奇異值分解的抗噪能力。此外,針對單層奇異值分解降...
【文章頁數(shù)】:129 頁
【學位級別】:博士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 選題意義
1.2 國內外研究現(xiàn)狀
1.2.1 機械設備早期故障的檢測技術
1.2.2 微弱信號檢測方法
1.2.3 狀態(tài)檢測與故障診斷系統(tǒng)的開發(fā)與應用
1.3 課題的研究目的及來源
1.4 論文的主要工作和創(chuàng)新點
第二章 強噪聲背景下的經(jīng)驗模式分解研究
2.1 前言
2.2 經(jīng)驗模式分解基本原理
2.2.1 瞬時頻率定義
2.2.2 瞬時頻率定義分析
2.2.3 基本模式分量
2.2.4 經(jīng)驗模式分解實現(xiàn)步驟
2.3 噪聲背景下的經(jīng)驗模式分解研究
2.4 隨機共振理論
2.4.1 隨機共振基本原理
2.4.2 級聯(lián)雙穩(wěn)隨機共振
2.5 基于級聯(lián)雙穩(wěn)隨機共振降噪的經(jīng)驗模式分解
2.5.1 方法的提出與仿真實驗
2.5.2 實驗結果分析
2.6 工程應用
2.7 小結
第三章 強背景噪聲下微弱信號的奇異值分解降噪研究
3.1 前言
3.2 奇異值分解方法
3.2.1 奇異值分解數(shù)學原理
3.2.2 奇異值分解方法研究
3.3 奇異值分解仿真實例
3.4 奇異值與噪聲強度的關系
3.5 頻域的奇異值分解降噪研究
3.6 級聯(lián)奇異值分解降噪研究
3.7 本章小結
第四章 大信號干擾下的微弱信號檢測研究
4.1 前言
4.2 獨立分量分析的基本原理與算法實現(xiàn)
4.2.1 盲源分離基本原理
4.2.2 獨立分量分析及FastICA算法
4.2.3 獨立分量分析的仿真實例
4.3 基于獨立分量分析的信噪分離方法研究
4.3.1 方法的提出
4.3.2 仿真實驗分析
4.4 工程應用
4.5 多窗譜分析基本原理
4.5.1 多窗譜分析算法
4.5.2 Slepian數(shù)據(jù)窗
4.6 多窗譜分析的微弱信號檢測
4.7 工程應用
4.8 本章小節(jié)
第五章 基于雙CPU的便攜式數(shù)據(jù)采集分析系統(tǒng)研究
5.1 前言
5.2 系統(tǒng)概述
5.3 系統(tǒng)的硬件設計
5.3.1 信號調理模塊設計
5.3.2 計算和控制核心的雙CPU設計
5.3.3 系統(tǒng)的外圍電路設計
5.4 系統(tǒng)的軟件設計
5.4.1 DSP部分軟件設計
5.4.2 ARM部分的軟件設計
5.4.3 數(shù)據(jù)采集模塊
5.4.4 人機交互模塊
5.4.5 通信模塊
5.4.6 信號分析模塊
5.4.7 Linux系統(tǒng)以及應用程序在嵌入式系統(tǒng)中的移植
5.5 系統(tǒng)功能驗證
5.6 本章小結
第六章 總結與展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
本文編號:3791668
【文章頁數(shù)】:129 頁
【學位級別】:博士
【文章目錄】:
摘要
ABSTRACT
第一章 緒論
1.1 選題意義
1.2 國內外研究現(xiàn)狀
1.2.1 機械設備早期故障的檢測技術
1.2.2 微弱信號檢測方法
1.2.3 狀態(tài)檢測與故障診斷系統(tǒng)的開發(fā)與應用
1.3 課題的研究目的及來源
1.4 論文的主要工作和創(chuàng)新點
第二章 強噪聲背景下的經(jīng)驗模式分解研究
2.1 前言
2.2 經(jīng)驗模式分解基本原理
2.2.1 瞬時頻率定義
2.2.2 瞬時頻率定義分析
2.2.3 基本模式分量
2.2.4 經(jīng)驗模式分解實現(xiàn)步驟
2.3 噪聲背景下的經(jīng)驗模式分解研究
2.4 隨機共振理論
2.4.1 隨機共振基本原理
2.4.2 級聯(lián)雙穩(wěn)隨機共振
2.5 基于級聯(lián)雙穩(wěn)隨機共振降噪的經(jīng)驗模式分解
2.5.1 方法的提出與仿真實驗
2.5.2 實驗結果分析
2.6 工程應用
2.7 小結
第三章 強背景噪聲下微弱信號的奇異值分解降噪研究
3.1 前言
3.2 奇異值分解方法
3.2.1 奇異值分解數(shù)學原理
3.2.2 奇異值分解方法研究
3.3 奇異值分解仿真實例
3.4 奇異值與噪聲強度的關系
3.5 頻域的奇異值分解降噪研究
3.6 級聯(lián)奇異值分解降噪研究
3.7 本章小結
第四章 大信號干擾下的微弱信號檢測研究
4.1 前言
4.2 獨立分量分析的基本原理與算法實現(xiàn)
4.2.1 盲源分離基本原理
4.2.2 獨立分量分析及FastICA算法
4.2.3 獨立分量分析的仿真實例
4.3 基于獨立分量分析的信噪分離方法研究
4.3.1 方法的提出
4.3.2 仿真實驗分析
4.4 工程應用
4.5 多窗譜分析基本原理
4.5.1 多窗譜分析算法
4.5.2 Slepian數(shù)據(jù)窗
4.6 多窗譜分析的微弱信號檢測
4.7 工程應用
4.8 本章小節(jié)
第五章 基于雙CPU的便攜式數(shù)據(jù)采集分析系統(tǒng)研究
5.1 前言
5.2 系統(tǒng)概述
5.3 系統(tǒng)的硬件設計
5.3.1 信號調理模塊設計
5.3.2 計算和控制核心的雙CPU設計
5.3.3 系統(tǒng)的外圍電路設計
5.4 系統(tǒng)的軟件設計
5.4.1 DSP部分軟件設計
5.4.2 ARM部分的軟件設計
5.4.3 數(shù)據(jù)采集模塊
5.4.4 人機交互模塊
5.4.5 通信模塊
5.4.6 信號分析模塊
5.4.7 Linux系統(tǒng)以及應用程序在嵌入式系統(tǒng)中的移植
5.5 系統(tǒng)功能驗證
5.6 本章小結
第六章 總結與展望
參考文獻
發(fā)表論文和參加科研情況說明
致謝
本文編號:3791668
本文鏈接:http://sikaile.net/kejilunwen/jixiegongcheng/3791668.html
教材專著