旋轉(zhuǎn)機(jī)械細(xì)粒度故障智能診斷是現(xiàn)代工業(yè)領(lǐng)域中不可或缺的一項(xiàng)工作�？紤]到旋轉(zhuǎn)機(jī)械一維振動信號是復(fù)雜和非平穩(wěn)的,本文結(jié)合信號的時頻分析理論、深度半負(fù)矩陣分解（Deep Semi-NMF）和多層級聯(lián)細(xì)粒度故障檢測模型,提出了基于時頻圖像和多層次稀疏編碼的細(xì)粒度故障級聯(lián)檢測框架。該框架分為時頻圖像構(gòu)建、多層次稀疏編碼和多層級聯(lián)分類模型三部分,用以實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障的細(xì)粒度故障識別。由于傳統(tǒng)時頻分析方法的聚焦性不強(qiáng)和交叉項(xiàng)較嚴(yán)重等問題,利用S變換（ST）理論和多次同步壓縮理論,提出了新穎的多次同步壓縮S變換（MSSST）時頻算法,并結(jié)合非局部均值（NLM）去噪算法來構(gòu)建旋轉(zhuǎn)機(jī)械一維振動信號的時頻圖像。該算法通過多次迭代壓縮S變換,使得S變換的時頻系數(shù)得到了多次重分配,這樣大大提高了時頻系數(shù)的聚焦性。在仿真實(shí)驗(yàn)中,通過與短時傅里葉變換（STFT）、ST、同步壓縮變換（SST）、二階同步壓縮變換（SST2）和多次同步壓縮變換（MSST）算法進(jìn)行對比實(shí)驗(yàn),MSSST時頻圖像視覺效果要優(yōu)于其他時頻圖像,MSSST生成的時頻圖像對應(yīng)的熵值為0.4938,均小于其他時頻圖像,并且MSSST算法只需迭代壓縮3次即... 

【文章來源】：湖北工業(yè)大學(xué)湖北省

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

論文總體結(jié)構(gòu)

湖北工業(yè)大學(xué)碩士學(xué)位論文122.1.1NLM去噪算法的基本理論一維NLM算法主要思想是：在一維信號中用固定的搜索窗口來滑動搜索所有與目標(biāo)信號塊s0相似的信號塊s1,s2,s3…sn，然后將其加權(quán)平均即可得到目標(biāo)塊的估計值，如圖2.1所示。其計算公式如下[49]：0000()0()1(,)()()(,)iiiisMsisMsswsssNsNswss（2-1）式中：0s表示目標(biāo)信號塊s0中心的估計值，0(,)iwss表示信號塊si與信號塊s0的相似程度，N(s)表示所有相似信號塊的相似程度之和。其中相似度(權(quán)重)的計算方式如下：2002(,)(,)exp()2iiDdsswssL（2-2）式中：表示濾波器的參數(shù)，D表示以s0為中心的目標(biāo)信號塊，DL表示以si為中心的一個相似信號塊，20(,)idss表示兩個相似塊間的逐點(diǎn)差的平方（權(quán)重）。圖2.1NLM算法示意圖2.1.2NLM基本參數(shù)設(shè)置對于二維圖像而言，NLM算法的目的是通過一定區(qū)域內(nèi)的相似塊來恢復(fù)指定像素塊的像素值，其具體過程是在整幅圖像中通過搜素窗口找到與指定像素塊相似的區(qū)域塊，然后，通過權(quán)重求解相似區(qū)域塊與目標(biāo)區(qū)域塊的權(quán)重值，最后，平均得到指定區(qū)域的像素值。受到二維圖像NLM去噪過程的啟發(fā)，對于旋轉(zhuǎn)機(jī)械一維振動信號，也提出了對應(yīng)的相關(guān)參數(shù)設(shè)定。假設(shè)需要恢復(fù)的信號塊為s0，NLM算法在求解過程中用到的主要參數(shù)為：搜索區(qū)域半寬R，信號塊半寬K和濾波參數(shù)。相似信號塊si與目標(biāo)信號塊s0之間通過區(qū)域搜索可以得到，信號塊si和s0具有相同的寬度，可以通過w(s0,si)來計算它們之間的相似度。在指定的區(qū)域內(nèi)，

湖北工業(yè)大學(xué)碩士學(xué)位論文13搜索出所有與目標(biāo)塊相似的信號塊，求解它們之間的相似度，然后平均即可求出目標(biāo)塊s0的估計值。圖2.2顯示了NLM算法的相關(guān)參數(shù)示意圖。圖2.2NLM算法的參數(shù)示意(1)結(jié)構(gòu)塊參數(shù)設(shè)置目標(biāo)信號塊的寬度D是NLM算法中的一個非常重要的參數(shù)，從圖中可以看出D=2K+1，K為信號塊半寬。它直接決定著目標(biāo)信號塊的大小，同時也決定了搜索窗口的尺寸，因此，寬度D的取值要與具體情況相適應(yīng)。如果寬度D選取過大，則目標(biāo)信號塊包含的信息過于復(fù)雜，導(dǎo)致在搜索過程中得到的相似信號塊不足，最后導(dǎo)致參與計算的相似信號塊不足，從而計算得平均值不能充分反映目標(biāo)信號塊的細(xì)節(jié)部分，且達(dá)不到去噪的效果。如果D選取過小，在搜索的過程中會得到大量的相似信號塊，導(dǎo)致最后的計算量過大，由于噪聲隨機(jī)性太大，搜索到的相似信號塊不具有特殊性，從而不能計算出原始信號的細(xì)節(jié)部分。一個合適的D直接決定去噪性能，對于一維的振動信號，寬度D的取值可以由經(jīng)驗(yàn)公式可得，公式[49]如下：int[0.5(1)]sbfDf(2-3)式中：sf為采樣頻率，單位Hz；bf為典型波形頻率，單位Hz，即理論故障計算頻率；int()àdk為取整函數(shù)。(2)搜索域參數(shù)設(shè)置搜索域?qū)挾萂=2R+1直接影響著搜索區(qū)域的范圍大小，搜索域?qū)挾萂的合理取值也至關(guān)重要。理論上搜索域?qū)挾萂越大越好，但是寬度M過大，直接導(dǎo)致搜索計算量成倍增加，實(shí)際搜索過程很難進(jìn)行。根據(jù)相關(guān)經(jīng)驗(yàn)可知，對于信號長度N<4000時，盡量讓搜索域?qū)挾萂覆蓋整個信號，充分利用一段信號自身的冗余信息達(dá)到去噪的效果；對于信號長度N>4000時，綜合考慮計算量的情況，搜索域?qū)挾萂取0.25N~0.33N之間，使得最終參與計算的相似信號塊數(shù)量也足以滿足求解的需要，同時計算量也合適，且最終對實(shí)驗(yàn)結(jié)果影響也

【參考文獻(xiàn)】：
期刊論文
[1]時間域和頻率域二階同步壓縮變換及其在儲層識別中的應(yīng)用[J]. 李振春,孫苗苗,王姣,劉延利,楊國權(quán),李慶洋,楊博.  中國石油大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[2]基于振動時頻圖像全局和局部特征融合的柴油機(jī)故障診斷[J]. 牟偉杰,石林鎖,蔡艷平,鄭勇,劉浩.  振動與沖擊. 2018(10)
[3]基于EEMD和改進(jìn)的形態(tài)濾波方法的軸承故障診斷研究[J]. 沈長青,謝偉達(dá),朱忠奎,劉方,黃偉國,孔凡讓.  振動與沖擊. 2013(02)
[4]機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 王國彪,何正嘉,陳雪峰,賴一楠.  機(jī)械工程學(xué)報. 2013(01)
[5]基于改進(jìn)Hilbert-Huang變換的機(jī)械故障診斷[J]. 雷亞國.  機(jī)械工程學(xué)報. 2011(05)
[6]基于多尺度線調(diào)頻基稀疏信號分解的廣義解調(diào)方法及其在齒輪故障診斷中的應(yīng)用[J]. 皮維,于德介,彭富強(qiáng).  機(jī)械工程學(xué)報. 2010(15)
[7]基于提升多小波的機(jī)電設(shè)備復(fù)合故障分離和提取[J]. 袁靜,何正嘉,訾艷陽.  機(jī)械工程學(xué)報. 2010(01)
[8]一種基于瞬時能量分布特征的汽輪發(fā)電機(jī)組轉(zhuǎn)子故障診斷新方法[J]. 曹沖鋒,楊世錫,楊將新.  振動與沖擊. 2009(03)
[9]幾種時頻分析方法比較[J]. 陳雨紅,楊長春,曹齊放,李波濤,尚永生.  地球物理學(xué)進(jìn)展. 2006(04)
[10]基于EMD和功率譜的齒輪故障診斷研究[J]. 李輝,鄭海起,唐力偉.  振動與沖擊. 2006(01)

博士論文
[1]基于時頻圖像識別的旋轉(zhuǎn)機(jī)械多特征融合故障診斷方法研究[D]. 王維剛.哈爾濱工業(yè)大學(xué) 2016

碩士論文
[1]非負(fù)矩陣分解及其在多譜信號處理中的應(yīng)用[D]. 黃司輝.廣東工業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的旋轉(zhuǎn)機(jī)械軸心軌跡細(xì)粒度識別算法研究[D]. 艾成漢.湖北工業(yè)大學(xué) 2018
[3]非局部均值濾波算法及其在滾動軸承故障診斷中的應(yīng)用研究[D]. 祝青林.武漢科技大學(xué) 2015



本文編號：3264329