本文關鍵詞：基于小波-KCCA的非線性欠定盲分離方法研究　出處：《儀器儀表學報》2014年03期 　論文類型：期刊論文

  更多相關文章： 核典型相關分析 小波分析 故障診斷 非線性混合 欠定盲分離 滾動軸承

【摘要】：結合小波分析和核典型相關分析(KCCA)各自的特點,提出一種基于小波-KCCA非線性欠定盲源分離方法。該方法的基本思想是利用小波分析對觀測信號進行分解,將分解后的小波系數與原來的觀測信號重新組合,構成新的觀測信號,從而將欠定盲分離轉換為超定或正定盲分離。然后把新的非線性觀測信號從低維空間映射到高維核特征空間,將非線性盲源分離問題轉化為特征空間中的線性盲源分離問題,最后用典型相關分析對混合信號進行盲源分離,得到源信號的估計。仿真結果表明,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,得到了滿意的分離效果。最后,軸承內外圈故障非線性欠定混合盲分離實驗進一步驗證了小波-KCCA方法的有效性。
[Abstract]:Combining the characteristics of wavelet analysis and kernel canonical correlation analysis (KCCA). A nonlinear under-determined blind source separation method based on wavelet KCCA is proposed. The basic idea of this method is to decompose the observed signal by wavelet analysis. The wavelet coefficients after decomposition are recombined with the original observation signals to form a new observation signal. Thus, the under-determined blind separation is transformed into over-definite or positive definite blind separation, and then the new nonlinear observation signals are mapped from low-dimensional space to high-dimensional kernel feature space. The nonlinear blind source separation problem is transformed into the linear blind source separation problem in the feature space. Finally, the mixed signal is separated by canonical correlation analysis, and the source signal estimation is obtained. Compared with the traditional nonlinear blind separation method, the proposed method has obvious advantages and achieved satisfactory results. The nonlinear underdetermined blind separation experiment of bearing inner and outer ring fault further verifies the validity of wavelet KCCA method.
【作者單位】： 南昌航空大學無損檢測技術教育部重點實驗室;
【基金】：國家自然科學基金(51075372、50775208、51265039) 江西省教育廳科技計劃(GJJ12405) 湖南科技大學機械設備健康維護湖南省重點實驗室開放基金(201204) 江西省研究生創(chuàng)新基金(YC2013-S214)資助項目
【分類號】：TN911.7
【正文快照】： 1引言相對單一故障,多故障復合診斷要復雜得多,也是機械故障研究中的一個難點。當機械設備出現多故障癥狀時,安裝在機器上的傳感器獲得的觀測信號往往不是線性混合,而是更一般的非線性混迭,傳統(tǒng)的線性ICA方法[1-6]應用到機械多故障盲分離中只能處理簡單的近似的線性混合問題,

【參考文獻】

相關期刊論文 前3條

1 余豐;奚吉;趙力;鄒采榮;;基于CS與K-SVD的欠定盲源分離稀疏分量分析[J];東南大學學報(自然科學版);2011年06期

2 付寧;彭喜元;;K-Hough欠定盲信道估計算法[J];電子測量與儀器學報;2008年05期

3 王榮杰;詹宜巨;周海峰;;基于零空間表示和最大似然的欠定盲源分離方法[J];通信學報;2012年03期

【共引文獻】

相關期刊論文 前6條

1 曹婷婷;余先川;;基于線性聚類的稀疏成分分析及其在盲源分離中的應用[J];北京師范大學學報(自然科學版);2010年01期

2 甘曉曄;李麗娜;寧曉霞;;非線性盲源信號分離研究[J];遼寧科技學院學報;2010年03期

3 張龍;宗成強;;非線性信息融合技術在火力發(fā)電機組故障診斷中的應用[J];廣東電力;2013年05期

4 孔祥翠;王微微;陳靜靜;陳宇;;基于入侵性雜草優(yōu)化算法的有噪獨立分量分析方法[J];東北石油大學學報;2014年02期

5 鄭超;郭奇;郭麗杰;李慧琳;;基于局部特征尺度分解的旋轉機械故障欠定盲源分離方法研究[J];燕山大學學報;2014年02期

6 王榮杰;詹宜巨;周海峰;蔡慶玲;;人工蜂群優(yōu)化算法在復數盲源分離中的應用[J];中國科學:信息科學;2014年02期

相關博士學位論文 前5條

1 張亢;局部均值分解方法及其在旋轉機械故障診斷中的應用研究[D];湖南大學;2012年

2 王雷;基于流形學習的滾動軸承故障診斷若干方法研究[D];大連理工大學;2013年

3 石慶研;民航地空通信盲自適應干擾抑制技術研究[D];西安電子科技大學;2012年

4 陳向民;基于形態(tài)分量分析和線調頻小波路徑追蹤的機械故障診斷方法研究[D];湖南大學;2013年

5 苗鋒;盲信號分離算法及其在轉子故障信號分離中的應用方法研究[D];蘭州理工大學;2014年

相關碩士學位論文 前8條

1 甄會;欠定盲分離混合矩陣估計方法的研究[D];大連理工大學;2010年

2 宮汝江;基于混合聚類和網格密度的欠定盲分離混合矩陣估計[D];哈爾濱工程大學;2012年

3 董曉華;局部均值分解在旋轉機械振動中的研究與應用[D];燕山大學;2012年

4 何況;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[D];南昌航空大學;2013年

5 齊佳;基于LMD的風力發(fā)電機組振動信號分析[D];哈爾濱理工大學;2014年

6 吳峰;基于字典學習的運動目標檢測[D];華東交通大學;2013年

7 馬麗芬;欠定盲源分離及其在跳頻信號分選中的應用研究[D];西安電子科技大學;2014年

8 張鳳;稀疏表示理論的研究及其在圖像去噪中的應用[D];西安電子科技大學;2014年

【二級參考文獻】

相關期刊論文 前6條

1 付寧;彭喜元;;K-Hough欠定盲信道估計算法[J];電子測量與儀器學報;2008年05期

2 孫華剛;馮廣斌;曹登慶;毛向東;;經驗模態(tài)分解端點波形延拓改進方法研究[J];電子測量與儀器學報;2010年04期

3 閆鵬程;孫華剛;毛向東;馮廣斌;;基于EMD與SVD的齒輪箱分形診斷方法研究[J];電子測量與儀器學報;2012年05期

4 孫科學;成謝鋒;;一種心音信號盲源分離方法[J];電子測量與儀器學報;2012年06期

5 石光明;劉丹華;高大化;劉哲;林杰;王良君;;壓縮感知理論及其研究進展[J];電子學報;2009年05期

6 貢金鑫,陳曉寶,趙國藩;結構可靠度計算的Gauss-Hermite積分方法[J];上海交通大學學報;2002年11期

相關博士學位論文 前1條

1 蓋強;局域波時頻分析方法的理論研究與應用[D];大連理工大學;2001年

【相似文獻】

相關期刊論文 前10條

1 王惠剛,梁紅,李志舜;具有任意分布時間相關源的盲分離自適應算法[J];西北工業(yè)大學學報;2003年06期

2 李小紅,王華奎,樊t，

本文編號：1425473