本文關(guān)鍵詞：盲源分離算法的研究及其在故障檢測中的應(yīng)用

  更多相關(guān)文章： 盲源分離 獨立分量分析 約束獨立分量分析 軸承故障診斷

【摘要】：盲源分離(BSS)是利用源信號間的統(tǒng)計獨立性，在源信號和混合通道都是未知的條件下，，僅由觀測信號分離出各源信號的過程，也稱獨立分量分析（ICA）。經(jīng)典的獨立分量分析雖然僅用數(shù)據(jù)的統(tǒng)計特性就可以分離盲信號，但分離結(jié)果具有不確定性。而機(jī)械故障信息中存在其他如頻率特征等先驗知識，本文主要結(jié)合這些先驗信息，使算法的分離結(jié)果具有確定性，并將其應(yīng)用于軸承的故障診斷中。 研究了基于主分量分析（PCA）的降維解相關(guān)理論，得出對信號進(jìn)行基于主分量分析處理，能減小它們的相關(guān)性。研究了獨立分量分析算法中不同目標(biāo)函數(shù)的選取準(zhǔn)則，并證明在一定條件下這些準(zhǔn)則是等價的。比較了將峭度和負(fù)熵分別作為非高斯性測度的理論效果，結(jié)果表明基于負(fù)熵的快速獨立分量分析算法的魯棒性優(yōu)于基于峭度的。本文后續(xù)算法都是基于負(fù)熵的快速獨立分量分析算法進(jìn)行改進(jìn)的。 簡要概述了獨立分量分析算法的缺陷，為克服這些缺陷，提出一種帶參考信號約束的獨立分量分析算法。研究了約束獨立分量分析（CICA）的基本數(shù)學(xué)模型與原理。介紹了參考信號構(gòu)造原則和相似性測度方法。編寫了CICA算法的MATLAB程序。在此，本文選取與待提取信號頻率相同的脈沖信號作為參考信號，以均方誤差作為相似性測度的方法進(jìn)行了實驗仿真，仿真實驗表明約束獨立分量分析算法能夠很好地分離出待提取信號。同時引用美國凱斯西儲大學(xué)的軸承故障數(shù)據(jù)進(jìn)行了實驗，結(jié)果能夠很好地提取出故障信號。 為進(jìn)一步證明約束獨立分量分析算法在盲源分離中的有效性，本文搭建了軸承故障檢測平臺。用線切割的方法分別在軸承內(nèi)圈、外圈和滾珠上加工缺陷，用美國NI公司提供的數(shù)據(jù)采集卡采集故障數(shù)據(jù)，對這些數(shù)據(jù)用約束獨立分量分析處理，結(jié)果能夠很好地提取出軸承對應(yīng)部件的故障信號。 綜上所述約束獨立分量分析算法在盲源分離中是有效的，并且能夠很好地應(yīng)用于軸承故障檢測中。
【關(guān)鍵詞】：盲源分離 獨立分量分析 約束獨立分量分析 軸承故障診斷
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景和意義11-12
• 1.2 盲源分離的理論模型12-13
• 1.3 盲源分離的發(fā)展歷程13-15
• 1.4 論文內(nèi)容安排15-17
• 第二章 獨立分量分析的理論基礎(chǔ)17-28
• 2.1 統(tǒng)計理論17-20
• 2.1.1 獨立、相關(guān)17-18
• 2.1.2 高階統(tǒng)計量18-19
• 2.1.3 多元高斯變量19-20
• 2.2 信息理論20-22
• 2.2.1 熵20-21
• 2.2.2 互信息和 K-L 散度21-22
• 2.3 最優(yōu)化理論22-27
• 2.3.1 梯度22-23
• 2.3.2 最速下降法23
• 2.3.3 牛頓迭代法23-24
• 2.3.4 乘子算法24-27
• 2.4 本章小結(jié)27-28
• 第三章 獨立分量分析28-51
• 3.1 ICA 定義28-29
• 3.1.1 ICA 的模型及假設(shè)條件28-29
• 3.1.2 獨立分量分析的基本步驟29
• 3.2 預(yù)處理29-34
• 3.2.1 去均值29-30
• 3.2.2 主分量分析解相關(guān)降維30-34
• 3.2.3 白化34
• 3.3 ICA 算法的主要準(zhǔn)則34-37
• 3.3.1 最大化負(fù)熵和34-35
• 3.3.2 最小互信息準(zhǔn)則35-36
• 3.3.3 最大似然準(zhǔn)則36
• 3.3.4 最大非高斯性準(zhǔn)則36-37
• 3.4 基于非高斯性的 ICA 算法37-43
• 3.4.1 基于峭度的快速 ICA 算法38-39
• 3.4.2 基于負(fù)熵近似的快速 ICA 算法39-43
• 3.5 實驗仿真43-47
• 3.5.1 實驗仿真一43-45
• 3.5.2 實驗仿真二45-47
• 3.6 實驗驗證47-50
• 3.6.1 內(nèi)圈故障分析47-49
• 3.6.2 外圈故障分析49-50
• 3.7 本章小結(jié)50-51
• 第四章 帶參考信號約束的 ICA 算法51-61
• 4.1 獨立分量分析算法的缺陷51
• 4.2 約束獨立分量模型51-53
• 4.2.1 約束獨立分量的優(yōu)點51-52
• 4.2.2 約束獨立分量分析與盲源分離52-53
• 4.2.3 約束獨立分量分析模型53
• 4.3 約束獨立分量分析53-56
• 4.3.1 約束獨立分量分析基本原理53-55
• 4.3.2 參考信號的建立55
• 4.3.3 相似性測度55-56
• 4.4 實驗仿真56-59
• 4.5 實驗驗證59-60
• 4.6 本章小結(jié)60-61
• 第五章 CICA 算法在軸承故障檢測中的應(yīng)用61-71
• 5.1 軸承故障理論61
• 5.2 間隔頻率61-62
• 5.3 實驗設(shè)備62-64
• 5.3.1 實驗平臺62-63
• 5.3.2 故障軸承的選擇63
• 5.3.3 采集設(shè)備63-64
• 5.4 實驗分析64-70
• 5.4.1 滾動軸承內(nèi)圈故障分析64-66
• 5.4.2 滾動軸承外圈故障分析66-68
• 5.4.3 滾動軸承滾珠故障分析68-70
• 5.5 本章小結(jié)70-71
• 第六章 總結(jié)與展望71-74
• 6.1 全文總結(jié)71-72
• 6.2 未來展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-78
• 碩士期間取得的研究成果78-79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 張洪淵,史習(xí)智;一種任意信號源盲分離的高效算法[J];電子學(xué)報;2001年10期

2 張賢達(dá),保錚;盲信號分離[J];電子學(xué)報;2001年S1期

3 劉琚,何振亞;盲源分離和盲反卷積[J];電子學(xué)報;2002年04期

4 張中民,盧文祥,楊叔子,張英堂;滾動軸承故障振動模型及其應(yīng)用研究[J];華中理工大學(xué)學(xué)報;1997年03期

5 朱孝龍,保錚,張賢達(dá);基于分階段學(xué)習(xí)的盲信號分離[J];中國科學(xué)E輯:技術(shù)科學(xué);2002年05期

6 周治宇;陳豪;;盲信號分離技術(shù)研究與算法綜述[J];計算機(jī)科學(xué);2009年10期

7 王懷文;;基于獨立分量分析的盲分離算法研究[J];現(xiàn)代電子技術(shù);2010年23期

8 王峻峰;史鐵林;劉世元;何嶺松;;基于主分量分析的信號白化解相關(guān)處理[J];中國機(jī)械工程;2005年21期

9 吳小培,馮煥清,周荷琴,王濤;基于獨立分量分析的圖象分離技術(shù)及應(yīng)用[J];中國圖象圖形學(xué)報;2001年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 米建勛;帶參考信號的獨立分量分析理論及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2010年

2 王志陽;約束獨立成分分析及其在滾動軸承故障診斷中的應(yīng)用[D];上海交通大學(xué);2011年

3 王惠剛;自適應(yīng)盲信號處理理論及應(yīng)用研究[D];西北工業(yè)大學(xué);2002年

4 李云霞;盲信號分離算法及其應(yīng)用[D];電子科技大學(xué);2008年

本文編號：534067