本文關(guān)鍵詞：基于典型相關(guān)分析的多故障源盲分離方法研究

  更多相關(guān)文章： 盲源分離 典型相關(guān)分析 核函數(shù) 小波分析 狀態(tài)空間模型 規(guī)范變量分析 故障診斷 非線性相關(guān)源

【摘要】：本論文是在國(guó)家自然科學(xué)基金(51075372，51261024，51265039)，江西省教育廳科技計(jì)劃項(xiàng)目(No. GJJ12405)、湖南科技大學(xué)機(jī)械設(shè)備健康維護(hù)重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(201204)和江西省研究生創(chuàng)新基金項(xiàng)目(No. YC2013-S214)資助下展開(kāi)研究。針對(duì)機(jī)械設(shè)備多故障源盲分離方法中存在的不足，本文將典型相關(guān)分析算法引用到機(jī)械設(shè)備的多故障源盲分離中，深入研究了基于典型相關(guān)分析的多故障源盲分離方法，并取得了很好的創(chuàng)新性成果。其主要內(nèi)容包括以下幾方面： 1.論述了機(jī)械設(shè)備多故障源盲分離研究的國(guó)內(nèi)外研究現(xiàn)狀和存在的不足，典型相關(guān)分析的國(guó)內(nèi)外研究現(xiàn)狀。對(duì)典型相關(guān)分析的理論，包括典型相關(guān)分析的數(shù)學(xué)描述，解析算法等給予描述，并在此基礎(chǔ)上，給出了本課題的提出意義。 2.基于典型相關(guān)分析的獨(dú)特特性，本論文將該理論引入到多故障復(fù)合診斷中，提出一種基于典型相關(guān)分析的機(jī)械設(shè)備多故障源盲分離方法，同時(shí)，與傳統(tǒng)的基于獨(dú)立分量分析的多故障源盲分離方法進(jìn)行了對(duì)比分析。傳統(tǒng)的機(jī)械故障源盲分離方法只考慮樣本值的統(tǒng)計(jì)分布，沒(méi)有考慮源信號(hào)之間的時(shí)間和空間關(guān)系，而提出的方法很好地克服了此不足，利用了源信號(hào)的自相關(guān)關(guān)系來(lái)進(jìn)行盲源分離。仿真結(jié)果表明，提出的方法取得了滿意的分離效果，并且具有很高的的計(jì)算效率，分離速度要快于傳統(tǒng)的盲源分離方法。最后，將提出的方法應(yīng)用到軸承故障盲分離中，實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了提出的方法的有效性。 3．針對(duì)傳統(tǒng)的相關(guān)源盲分離方法的不足，提出了一種基于核典型相關(guān)分析的非線性相關(guān)源盲分離方法。該方法是利用了核方法來(lái)處理數(shù)據(jù)之間的非線性問(wèn)題，同時(shí)還利用信號(hào)源之間的相關(guān)性來(lái)進(jìn)行分離。提出的方法與傳統(tǒng)的相關(guān)源盲分離方法進(jìn)行對(duì)比分析。仿真結(jié)果表明，提出的方法明顯優(yōu)于傳統(tǒng)的相關(guān)源盲分離方法，并從分離性能指標(biāo)上得到了充分的反映。最后，將該方法應(yīng)用到轉(zhuǎn)子不對(duì)中和碰摩故障的盲分離中，實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。 4.結(jié)合小波分析和核典型相關(guān)分析(kernel canonical correlation analysis,KCCA)各自的特點(diǎn)，提出一種基于小波-KCCA機(jī)械故障非線性欠定盲源分離方法。提出的方法的基本思想是利用小波分析對(duì)觀測(cè)信號(hào)進(jìn)行分解，將分解后的小波系數(shù)與原來(lái)的觀測(cè)信號(hào)重新組合，構(gòu)成新的觀測(cè)信號(hào)，從而將欠定盲分離轉(zhuǎn)換為超定或正定盲分離。然后把新的非線性觀測(cè)信號(hào)從低維空間映射到高維核特征空間，將非線性盲源分離問(wèn)題轉(zhuǎn)化為特征空間中的線性盲源分離問(wèn)題，最后用典型相關(guān)分析對(duì)混合信號(hào)進(jìn)行盲源分離，得到源信號(hào)的估計(jì)。仿真結(jié)果表明，與傳統(tǒng)的非線性盲分離方法相比較，，提出的方法具有明顯的優(yōu)勢(shì)，得到了滿意的分離效果。最后，軸承內(nèi)外圈故障非線性欠定混合盲分離實(shí)驗(yàn)進(jìn)一步驗(yàn)證了小波-KCCA方法的有效性。 5.動(dòng)態(tài)盲源分離問(wèn)題是多故障源盲分離的一個(gè)熱點(diǎn)。傳統(tǒng)的機(jī)械故障源分離方法要求滿足統(tǒng)計(jì)特征保持穩(wěn)定，且混合系統(tǒng)保持不變等假設(shè)，且忽略了時(shí)序信息。針對(duì)此不足，結(jié)合規(guī)范變量分析(CVA)和獨(dú)立分量分析(ICA)，提出了一種基于CVA-ICA的機(jī)械多故障源動(dòng)態(tài)盲分離方法。該方法的基本思想是將源信號(hào)看成狀態(tài)空間的狀態(tài)變量，觀測(cè)信號(hào)看成狀態(tài)空間的輸出變量，從而將動(dòng)態(tài)混合盲源分離問(wèn)題轉(zhuǎn)化為狀態(tài)空間盲源分離問(wèn)題，利用規(guī)范變量分析作為降維工具來(lái)構(gòu)造狀態(tài)空間，然后再利用傳統(tǒng)的ICA算法對(duì)規(guī)范的觀測(cè)信號(hào)進(jìn)行盲源分離。仿真研究表明，在處理動(dòng)態(tài)混合的盲分離中，提出的方法明顯優(yōu)于靜態(tài)ICA方法，取得了滿意的分離效果。最后，將該方法應(yīng)用到滾動(dòng)軸承內(nèi)圈和滾動(dòng)體的故障盲分離中，實(shí)驗(yàn)結(jié)果進(jìn)一步驗(yàn)證了該方法的有效性。
【關(guān)鍵詞】：盲源分離 典型相關(guān)分析 核函數(shù) 小波分析 狀態(tài)空間模型 規(guī)范變量分析 故障診斷 非線性相關(guān)源
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN911.7;TH165.3
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-21
• 1.1 課題的提出及其意義11-13
• 1.2 機(jī)械設(shè)備多故障源盲分離的研究現(xiàn)狀13-15
• 1.3 典型相關(guān)分析的國(guó)內(nèi)外研究及其應(yīng)用現(xiàn)狀15-18
• 1.4 論文的主要內(nèi)容與創(chuàng)新之處18-20
• 1.4.1 主要內(nèi)容18-20
• 1.4.2 關(guān)鍵問(wèn)題及創(chuàng)新點(diǎn)20
• 1.5 本章小結(jié)20-21
• 第2章 基于 CCA-BSS 的機(jī)械故障源盲分離方法研究21-32
• 2.1 概述21-22
• 2.2 典型相關(guān)分析理論22-25
• 2.2.1 典型相關(guān)分析的數(shù)學(xué)描述22-23
• 2.2.2 典型相關(guān)分析的求解23-24
• 2.2.3 相關(guān)與互信息之間的關(guān)系24-25
• 2.3 CCA-BSS 方法25-26
• 2.4 仿真研究26-28
• 2.5 實(shí)驗(yàn)研究28-30
• 2.6 本章小結(jié)30-32
• 第3章 基于 KCCA-BSS 的非線性相關(guān)源分離方法研究32-42
• 3.1 概述32-33
• 3.2 KCCA 算法33-34
• 3.3 KCCA-NCBSS 方法34-35
• 3.4 仿真研究35-39
• 3.5 實(shí)驗(yàn)研究39-40
• 3.6 本章小結(jié)40-42
• 第4章 基于小波-KCCA 的非線性欠定盲分離方法研究42-51
• 4.1 概述42-43
• 4.2 小波變換43-44
• 4.3 小波-KCCA 非線性欠定盲源分離算法44-46
• 4.4 仿真研究46-48
• 4.5 實(shí)驗(yàn)研究48-50
• 4.6 本章小結(jié)50-51
• 第5章 基于 CVA-ICA 的動(dòng)態(tài)盲源分離方法研究51-60
• 5.1 概述51
• 5.2 CVA-ICA 的動(dòng)態(tài)盲源分離算法51-54
• 5.3 仿真研究54-57
• 5.4 實(shí)驗(yàn)研究57-59
• 5.5 本章小結(jié)59-60
• 第6章 總結(jié)與展望60-63
• 6.1 總結(jié)60-61
• 6.2 展望61-63
• 參考文獻(xiàn)63-68
• 攻讀碩士學(xué)位期間發(fā)表的論文和參加科研情況68-69
• 致謝69-70

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 許東;劉浩偉;段s

本文編號(hào)：917039