机械系统多点耦合非线性振动信号降噪方法研究

发布时间：2017-10-13 09:38

  本文关键词：机械系统多点耦合非线性振动信号降噪方法研究

  更多相关文章： 机械系统 信号降噪 核主成分分析 参数优化 平行分析 粒子群算法

【摘要】：由于机械设备的工作环境通常比较复杂使得采集到的振动信号常常被噪声所湮没,给后续的故障诊断过程带来了很大不便。因而,对采集到的机械系统振动信号进行有效降噪是非常有必要的。通常机械系统中不同位置点的振动是相互影响相互关联的,所采集的同一系统中多个位置点的信号通常存在着耦合关系,特别是对于柔性体而言,多点信号的耦合性更显著,常用的单点降噪方法在对此类信号进行降噪时,通常会将这些信号中的耦合信息当作噪声滤除掉,所以,对机械系统中采集的多点耦合信号进行同步联合降噪是很有必要的。论文以滚动轴承系统多位置点的耦合振动信号为研究对象,开展了基于核主成分分析(Kernel Principal Component Analysis,KPCA)方法的信号降噪研究,针对同一机械系统中不同位置点的振动信号常具有耦合关系的特点,采用了改进的KPCA方法对多点信号进行了联合降噪,以保留信号间的耦合信息。针对KPCA对信号降噪过程中,所选核参数对信号的降噪效果影响很大,而没有一确定的方法优选核参数的问题,论文提出了一种平行分析方法(Parallel Analysis,PA)局部优选核参数的KPCA,和一种粒子群算法(Particle Swarm Optimization,PSO)全局优选核参数的KPCA,展开了多点耦合信号的降噪研究。研究的主要内容有:1、研究了KPCA降噪的原理,同时对外圈滚动轴承的振动信号的噪声特点进行了分析,分析了轴承上多点信号的特点,分析了核参数对核主成分分析降噪效果的影响;提出了基于相空间重构和核主成分分析的降噪方法,在降噪过程中采用多维尺度变换(Multidimensional Scaling,MDS)重构降噪后的信号,将KPCA从图片降噪领域引入到了机械振动信号的降噪中。2、针对多点耦合非线性振动信号降噪,提出了核参数局部优化的核主成分分析降噪方法。提出了一种平行分析法对高斯径向基函数的核宽度参数和保留最大主元个数进行了联合优化选取,能够在给定的局部区间中的迅速准确地选择出最优的核宽度参数,从而提高核主成分分析的降噪效率和降噪效果。并将此方法应用到多点耦合非线性信号降噪,降噪效果较好。3、针对多点耦合非线性振动信号降噪,以及PA方法选取核参数的不足,提出了核参数全局优化的核主成分分析降噪方法。改进粒子群算法,以含噪信号与降噪信号间的均方误差值作为粒子群算法的适应度函数,在全实数范围内优选高斯径向基函数的核宽度参数,并应用此降噪方法对多点耦合信号进行联合降噪,降噪效果很理想。
【关键词】：机械系统 信号降噪 核主成分分析 参数优化 平行分析 粒子群算法
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH17
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 课题的研究背景及意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 信号降噪研究现状12-14
• 1.2.2 核参数优选方法研究现状14-15
• 1.3 本文的主要工作15-17
• 第二章 核主成分分析17-29
• 2.1 主成分分析法17-20
• 2.1.1 主成分分析概论17-18
• 2.1.2 主成分分析的基本原理18-20
• 2.2 核方法概要20-23
• 2.3 核主成分分析23-28
• 2.3.1 核主成分代数原理23-26
• 2.3.2 核主成分分析降噪26-28
• 2.4 本章小结28-29
• 第三章 基于相空间重构和核主成分分析降噪方法29-47
• 3.1 机械系统振动噪声分析29-32
• 3.1.1 测量中的噪声29
• 3.1.2 噪声的统计模型29-31
• 3.1.3 滚动轴承外圈故障非线性振动信号分析31-32
• 3.2 相空间重构概述32-33
• 3.3 相空间重构参数的选取33-36
• 3.3.1 互信息量法选取时间延迟33-34
• 3.3.2 Cao方法选取嵌入维数34-36
• 3.4 基于相空间重构和核主成分分析去噪方法36-37
• 3.5 仿真信号去噪分析37-41
• 3.6 实测信号降噪分析41-45
• 3.6.1 滚动轴承故障实验41-43
• 3.6.2 轴承故障振动信号降噪43-45
• 3.7 本章小结45-47
• 第四章 核参数局部优化的多点耦合非线性振动信号核主成分分析降噪47-69
• 4.1 核参数对KPCA降噪的影响47-48
• 4.2 平行分析48-50
• 4.2.1 平行分析概述48-49
• 4.2.2 平行分析的步骤及实现49-50
• 4.3 核参数局部优化的核主成分分析降噪50-51
• 4.3.1 PAKPCA的基本原理50-51
• 4.3.2 PAKPCA的算法实现51
• 4.4 多点耦合信号的核主成分分析降噪51-53
• 4.5 一维非线性振动信号降噪分析53-58
• 4.5.1 一维仿真非线性振动信号降噪53-56
• 4.5.2 一维实测非线性振动信号降噪56-58
• 4.6 多点耦合非线性振动信号降噪分析58-68
• 4.6.1 多点耦合仿真信号降噪分析58-62
• 4.6.2 多点耦合实测信号降噪分析62-68
• 4.7 本章小结68-69
• 第五章 核参数全局优化的多点耦合非线性振动信号核主成分分析降噪69-83
• 5.1 粒子群算法69-71
• 5.1.1 粒子群算法的理论基础69-70
• 5.1.2 PSO算法的实现步骤70-71
• 5.2 核参数全局优化的核主成分分析降噪71-72
• 5.2.1 PSO优化KPCA的核宽度参数71-72
• 5.2.2 KPCA核宽度参数全局优化的KPCA降噪实现72
• 5.3 一维非线性振动信号降噪分析72-78
• 5.3.1 一维仿真信号降噪分析72-75
• 5.3.2 一维实测信号降噪分析75-78
• 5.4 多点耦合非线性振动信号降噪分析78-82
• 5.4.1 多点耦合仿真信号降噪分析78-80
• 5.4.2 多点耦合实测信号降噪分析80-82
• 5.5 本章小结82-83
• 第六章 总结与展望83-85
• 6.1 论文总结83-84
• 6.2 研究展望84-85
• 参考文献85-89
• 致谢89-91
• 附录：攻读学位期间参研项目和发表论文目录91

【参考文献】

中国期刊全文数据库 前10条

1 曾鸣;杨宇;郑近德;程军圣;;μ-SVD降噪算法及其在齿轮故障诊断中的应用[J];机械工程学报;2015年03期

2 李平;李学军;蒋玲莉;曹宇翔;;基于KPCA和PSOSVM的异步电机故障诊断[J];振动.测试与诊断;2014年04期

3 范文涛;章新华;夏志军;康春玉;董明;蒋飚;;应用经验模态分解的拖船噪声信号重构及抵消方法[J];声学学报;2012年06期

4 陈帝伊;柳烨;马孝义;;基于径向基函数神经网络的混沌时间序列相空间重构双参数联合估计[J];物理学报;2012年10期

5 王益艳;;基于特征均值的SVD信号去噪算法[J];计算机应用与软件;2012年05期

6 张昱;陈光黎;;基于最小二乘支持向量机的机器视觉识别方法[J];测控技术;2011年07期

7 周方军;吕文元;;粒子群算法与主成分析法在支持向量机回归预测中的应用研究[J];微型机与应用;2010年23期

8 朱凤明;樊明龙;;混沌粒子群算法对支持向量机模型参数的优化[J];计算机仿真;2010年11期

9 李蓉一;赵瑾;申忠宇;;基于粒子群优化的核函数参数选优[J];江南大学学报(自然科学版);2010年04期

10 陶新民;徐晶;杨立标;刘玉;;一种改进的粒子群和K均值混合聚类算法[J];电子与信息学报;2010年01期

中国博士学位论文全文数据库 前1条

1 王婷;EMD算法研究及其在信号去噪中的应用[D];哈尔滨工程大学;2010年

，

本文编号：1024151