發(fā)布時間：2017-05-30 08:02

  本文關(guān)鍵詞：基于小波包—變分貝葉斯獨立分量分析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】：本論文在國家自然科學基金(51075372，50775208)，江西省教育廳科技計劃項目(No. GJJ12405)和湖南省機械設(shè)備健康維護重點實驗室開放基金(201204)資助下，，針對變分貝葉斯獨立分量分析理論(Variational Bayesian IndependentComponentAnalysis，簡稱VBICA)所存在的不足，即VBICA的隨機初始化算法的分離結(jié)果不能保持一致性；機械故障源高度相關(guān)時分離效果很差以及傳統(tǒng)的VBICA方法不能有效地處理機械故障源的欠定盲分離，將小波包變換與變分貝葉斯獨立分量分析有效結(jié)合起來，提出了基于小波包變換-VBICA機械故障源的盲分離方法，并對提出的方法展開了深入研究，仿真和實驗結(jié)果驗證了提出的方法的有效性。本文的主要內(nèi)容包括以下幾個方面： 第一章，綜述了變分貝葉斯獨立分量分析算法以及獨立分量分析算法(Independent Component Analysis，簡稱ICA)研究與應(yīng)用現(xiàn)狀。介紹了VBICA算法優(yōu)勢與不足。針對VBICA算法存在的不足之處，論述了本課題提出的的研究意義，給出了本文的主要內(nèi)容及創(chuàng)新點。 第二章，論述了獨立分量分析、貝葉斯建模、變分近似算法和變分貝葉斯獨立分量分析理論，指出了傳統(tǒng)ICA方法存在的不足和VBICA方法的優(yōu)勢，并通過仿真研究，對比分析了傳統(tǒng)ICA算法和VBICA方法在噪聲混合下的盲分離能力，仿真結(jié)果驗證了VBICA算法在噪聲混合下的分離效果明顯優(yōu)于ICA方法。本章的內(nèi)容是整篇論文的理論基礎(chǔ)。 第三章，在VBICA方法中，模型參數(shù)的初始化選擇非常重要，直接決定了模型的最終學習結(jié)果。VBICA初始化方法主要采用隨機初始化算法。該算法由于初始化是隨機的，這樣，經(jīng)過不同的學習可能得到的結(jié)果有差異，不能保證結(jié)果的一致性。針對此不足，本論文提出了一種基于用主分量分析(Principal ComponentAnalysis，簡稱PCA)的隨機初始化方法，將提出的方法和傳統(tǒng)VBICA算法進行對比分析，仿真研究表明，提出的方法優(yōu)于傳統(tǒng)的VBICA方法，并且通過分離性能指標得到了反映，而且提出的方法克服了基于隨機初始化的VBICA方法的分離結(jié)果不穩(wěn)定的問題。最后，將提出的方法成功應(yīng)用到直升機傳動系統(tǒng)中的中減速器故障診斷中，取得了令人滿意的效果。 第四章，實驗證明VBICA處理相關(guān)信號源盲分離的效果非常不理想。針對此不足，本論文引入小波包理論，并將小波包與變分貝葉斯獨立分量分析理論相結(jié)合，提出了基于小波包-VBICA的相關(guān)信號源盲分離方法。給出了該方法的詳細實現(xiàn)步驟，并進行了仿真與實驗研究。仿真結(jié)果表明，提出的方法是有效的，取得了非常好的分離性能。最后，將提出的方法應(yīng)用到轉(zhuǎn)子系統(tǒng)的不對中碰摩故障的盲分離中，實驗結(jié)果進一步證實了提出的方法的有效性。 第五章，針對現(xiàn)有的基于VBICA的機械故障診斷盲分離方法中只能處理觀測信號數(shù)大于故障源數(shù)，而不能處理欠定盲分離的情況，本論文結(jié)合小波包分析和VBICA的各自優(yōu)點，提出了基于小波包-VBICA的機械故障源數(shù)估計和盲分離方法。與傳統(tǒng)的盲分離方法相比較，提出的方法具有以下特色：(1)提出的方法既然處理超定盲分離問題，也能處理欠定盲分離的問題；(2)能有效地估計故障源數(shù)，在提出的方法中，利用貝葉斯推論特有的模型比較功能，并結(jié)合自相關(guān)測定(ARD)估計出源信號的個數(shù)；(3)提出的方法充分利用了小波包分析方法能有效地處理非平穩(wěn)信號能力，可實現(xiàn)非平穩(wěn)信號的盲分離。仿真研究表明，提出的方法取得了滿意的分離效果。最后，將提出的方法應(yīng)用到軸承內(nèi)外圈故障盲分離中，并成功地分離出軸承內(nèi)圈故障和外圈故障特征。 第六章，概括了本論文的主要研究內(nèi)容和創(chuàng)新之處，并對值得進一步研究的問題進行了展望。
【關(guān)鍵詞】：變分貝葉斯獨立分量分析 小波包分析 盲源分離 故障診斷 獨立分量分析
【學位授予單位】：南昌航空大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-11
• 第1章 緒論11-18
• 1.1 課題提出的意義11-12
• 1.2 基于獨立分量分析理論的機械故障診斷研究及應(yīng)用現(xiàn)狀12-14
• 1.3 變分貝葉斯獨立分量分析的國內(nèi)外研究及應(yīng)用現(xiàn)狀14-15
• 1.4 論文的主要內(nèi)容與創(chuàng)新之處15-17
• 1.4.1 論文主要內(nèi)容15-17
• 1.4.2 關(guān)鍵問題以及創(chuàng)新點17
• 1.5 本章小結(jié)17-18
• 第二章 變分貝葉斯獨立分量分析理論與算法18-31
• 2.1 概述18-19
• 2.2 獨立分量分析理論19-20
• 2.3 貝葉斯建模20-22
• 2.3.1 貝葉斯網(wǎng)絡(luò)20-22
• 2.3.2 貝葉斯推論22
• 2.4 變分近似算法22-24
• 2.5 變分貝葉斯獨立分量分析算法24-27
• 2.6 仿真研究27-30
• 2.7 本章小結(jié)30-31
• 第三章 變分貝葉斯獨立分量分析初始化算法改進31-41
• 3.1 概述31
• 3.2 基于主分量分析初始化的變分貝葉斯獨立分量分析算法31-35
• 3.3 仿真研究35-38
• 3.4 實驗研究38-40
• 3.5 本章小結(jié)40-41
• 第四章 基于小波包—VBICA 的相關(guān)源分離算法41-50
• 4.1 概述41
• 4.2 小波包理論41-43
• 4.3 小波包—變分貝葉斯獨立分量分析相關(guān)源估計方法43-44
• 4.4 仿真研究44-48
• 4.5 實驗研究48-49
• 4.6 本章小結(jié)49-50
• 第五章 機械源欠定盲分離研究50-60
• 5.1 概述50
• 5.2 欠定盲分離算法50-54
• 5.3 仿真實驗54-57
• 5.4 實驗研究57-59
• 5.5 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-62
• 6.1 全文總結(jié)60-61
• 6.2 需要進一步研究的問題61-62
• 參考文獻62-66
• 攻讀碩士學位期間發(fā)表的論文和參加科研情況66-67
• 致謝67-68

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 謝勝利;孫功憲;肖明;傅予力;呂俊;;欠定和非完全稀疏性的盲信號提取[J];電子學報;2010年05期

2 楊英華;李召;陳永祿;陳曉波;;基于CVA-ICA與CSM的故障診斷方法[J];東北大學學報(自然科學版);2012年12期

3 李志農(nóng);范濤;岳秀廷;;傳統(tǒng)獨立分量分析和變分貝葉斯獨立分量分析的比較[J];江蘇大學學報(自然科學版);2010年01期

4 范濤;李志農(nóng);肖堯先;;基于源數(shù)估計的機械源信號盲分離方法研究[J];機械強度;2011年01期

5 李志農(nóng);劉衛(wèi)兵;易小兵;;基于局域均值分解的機械故障欠定盲源分離方法研究[J];機械工程學報;2011年07期

6 馬建倉;曾媛;張國強;;特征基函數(shù)ICA在航空發(fā)動機故障診斷中的應(yīng)用[J];計算機測量與控制;2009年09期

7 董天寶;楊景曙;;一種欠定盲源分離新算法[J];計算機工程與應(yīng)用;2012年12期

8 張?zhí)K弦;劉海林;;基于稀疏特性的欠定盲信號分離算法[J];南京大學學報(自然科學版);2011年05期

9 張延良;樓順天;張偉濤;;用于統(tǒng)計相關(guān)源信號的盲分離方法[J];西安電子科技大學學報;2009年03期

10 李志農(nóng);范濤;劉立州;盧紀富;;基于變分貝葉斯理論的機械故障源盲分離方法研究[J];振動與沖擊;2009年06期

  本文關(guān)鍵詞：基于小波包—變分貝葉斯獨立分量分析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：406678