面向机械故障诊断应用的盲分离技术研究

发布时间：2019-09-03 14:03

【摘要】：机械设备故障诊断技术对设备运行安全、效率有重要意义。运用工作声音进行故障诊断,已变成机械故障诊断领域发展的重要方向。机械设备运行发生异常时,会产生多种声音信号。借助信号处理方法将各种声音信号分离出来,将其转变为独立的信号源而提取故障信息,从而能对机械故障进行精确诊断。盲分离技术能够在噪声环境下和多声源混叠情况下对源信号进行分离和识别,为噪声背景下机械设备状态检测和故障诊断提供解决方案。因此,本文基于常见的两类盲分离问题:正定盲分离和欠定盲分离,分别提出了基于神经网络的线性盲分离算法和基于最小二乘法的欠定盲分离算法,并对其有效性展开机械系统的故障诊断验证。全文主要研究内容如下:(1)基于神经网络的线性盲分离算法提出了自适应和小脑模型两种线性神经网络的盲分离算法(SALNN-BSS和CMAC-BSS);分别建立了结构模型和求解算法;对仿真混叠信号的性能系数进行对比,结果表明:在分离效果方面,SALNN-BSS和CMAC-BSS都能对混叠信号进行良好的分离,恢复的源信号波形良好,但CMAC-BSS分离误差更小,对信号的分离更为迅速,稳定误差更小,更加适合用于盲分离故障识别。(2)基于最小二乘法的欠定盲分离算法将最小二乘法和欠定盲分离技术特点相结合,提出了基于最小二乘法欠定盲分离算法(LSM-UBSS),确定了该算法的操作步骤。通过推导分析,从理论上证明了该算法解的唯一性,采用该算法分别分离稀疏和非稀疏语音混叠信号,构建了它们的混叠模型和混叠矩阵。比较了源信号和分离信号的信噪比,结果表明该算法无论是在稀疏还是非稀疏语音混叠信号分离方面都十分有效。(3)冰蓄冷陈列柜故障信号的盲分离技术应用基于冰蓄冷陈列柜原理和常见故障,搭建了陈列柜的故障诊断实验系统,完成了电路设计和触摸屏控制界面等的设计。采用该系统对陈列柜的轴流风叶故障、轴流风叶和水泵同时故障进行了诊断;对比SALNN-BSS和CMAC-BSS算法对相关故障信号的分离能力,结果表明:CMAC-BSS恢复源信号精度更高,识别故障效果更佳,识别故障实时性更好。(4)发动机噪声信号的盲分离技术应用搭建了发动机噪声测试实验平台,测试出发动机运行时的多种声音信号;采用传统最大熵盲分离算法(ME-BSS)和CMAC-BSS两种分离算法分别对发动机噪声和外界的干扰噪声进行分离,实验结果表明CMAC-BSS分离效果比ME-BSS好,可以把发动机噪声和外界噪声很好地分离出来。同时用CMAC-BSS对发动机异响故障进行了诊断,结果表明CMAC-BSS可以从中获得发动机运行过程中的故障信号。(5)救生舱CO2空调故障信号的欠定盲分离技术应用分析了矿井救生舱重要组成CO2空调系统常见故障信号(振动信号和噪声信号)的特点,设计并搭建了故障信号测试平台。采用LSM-UBSS,分别对已知和未知故障数目情形下的系统故障信号进行分离,探讨了分离误差。结果表明:LSM-UBSS在已经知道故障数目的情况下,能诊断CO2空调系统故障;在未知故障数目的情况下,预先使用减法聚类估计混叠矩阵,再用LSM-UBSS算法,也能有效识别出故障源信号的数目,有效恢复故障源信号。
【图文】：

图 1-5 两个信号源的频谱[85]Fig.1-5 Spectrum of two sources' signal[85]吴军彪等[86]为了提取噪声故障特征，先用盲分离从观测信号中提取独立的声源信号，消除较大干扰源噪声对监测源信号的干扰，，然后采用小波变换模极大值法对分离的源信号进行重构，通过重构信号频谱分析来提取噪声故障特征。文献使用两台平稳运转的电动机相距 1 m 放置在现场作为声源，两只 B&K2610 全指向性传声器分别放置在电动机前方 60 cm 处以测量电动机噪声。为了验证分离结果，首先测量电动机单独运转时的噪声信号，并使用小波变换模极大值法提取信号特征如图 1-6 所示。

图 1-5 两个信号源的频谱[85]Fig.1-5 Spectrum of two sources' signal[85]吴军彪等[86]为了提取噪声故障特征，先用盲分离从观测信号中提取独立的声源号，消除较大干扰源噪声对监测源信号的干扰，然后采用小波变换模极大值法对分离源信号进行重构，通过重构信号频谱分析来提取噪声故障特征。文献使用两台平稳运的电动机相距 1 m 放置在现场作为声源，两只 B&K2610 全指向性传声器分别放置在动机前方 60 cm 处以测量电动机噪声。为了验证分离结果，首先测量电动机单独运转的噪声信号，并使用小波变换模极大值法提取信号特征如图 1-6 所示。
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TH17

【相似文献】

相关期刊论文 前10条

1 王惠刚,梁红,李志舜;具有任意分布时间相关源的盲分离自适应算法[J];西北工业大学学报;2003年06期

2 史晓非,黄耀P,梁德群,刘人杰;一种盲分离技术在信息处理中的应用[J];大连海事大学学报;2005年02期

3 张洪渊,.戴小明,史习智;一种功能增强的信号源盲分离新算法[J];振动工程学报;2002年02期

4 贾鹏,丛丰裕,史习智;杂系混合信号的盲分离[J];上海交通大学学报;2004年02期

5 张瑜;房少娟;李雪萍;;低角雷达多径误差抑制的盲分离方法[J];电光与控制;2011年10期

6 单志超;林春生;涂方明;董华玉;;平稳白噪声背景中信号波形的盲分离与恢复[J];探测与控制学报;2008年02期

7 黄高明;高俊;;基于盲分离的非合作信号定位技术[J];海军工程大学学报;2009年04期

8 廖灿辉;万坚;周世东;;两同频调制信号混合单通道盲分离的性能界[J];清华大学学报(自然科学版);2010年10期

9 芮国胜;徐彬;张嵩;;同频重叠信号的单通道盲分离方法综述[J];电光与控制;2011年09期

10 王荣博;侯朝焕;;含噪混合数据中相关源信号的盲分离[J];应用声学;2011年05期

相关会议论文 前10条

1 王惠刚;梁红;李志舜;;盲分离的模糊性[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 姜华;秦志峰;钱进;;一种频域盲分离技术及其性能分析[A];中国声学学会2002年全国声学学术会议论文集[C];2002年

3 刘坚;陆佶人;;一种基于遗传算法的盲分离方法[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年

4 綦敦浩;章新华;范文涛;;水声信号盲分离排序算法[A];2011'中国西部声学学术交流会论文集[C];2011年

5 姚毅;贾金玲;姚娅川;;盲分离技术在识别生物信号中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

6 夏斌;;基于独立剩余量的图像盲分离[A];2007第三届中国智能交通年会论文集[C];2007年

7 钟伯成;;信息极大ICA算法的动态盲分离研究[A];2008通信理论与技术新发展——第十三届全国青年通信学术会议论文集（下）[C];2008年

8 王燕妮;马铁华;;盲分离技术在智能化引信中的应用研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年

9 刘娜;郭建中;;Infomax算法对调幅信号盲分离效果的分析[A];第二届西安-上海两地声学学术会议论文集[C];2011年

10 蔡秋芳;李国辉;杨海滨;;基于时频非交叠性的语音盲分离[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

相关重要报纸文章 前1条

1 本报记者 滕继濮;盲分离：不想要的信号“非诚勿扰”[N];科技日报;2010年

相关博士学位论文 前10条

1 高俊文;面向机械故障诊断应用的盲分离技术研究[D];华南理工大学;2016年

2 蔡坤;胎儿心电信号的盲分离研究[D];华南理工大学;2011年

3 张安清;盲分离技术及其在水声信号中的应用研究[D];大连理工大学;2006年

4 丛丰裕;面向目标感知的盲信号处理算法研究[D];上海交通大学;2007年

5 杨祖元;盲信号分离算法分析与应用研究[D];华南理工大学;2009年

6 周勃;基于盲分离的空调机组故障振声诊断研究[D];沈阳工业大学;2008年

7 高峰;欠定松弛稀疏信号的盲分离研究[D];华南理工大学;2012年

8 赵宇峰;单通道时频混叠通信信号盲分离研究[D];中国科学技术大学;2015年

9 黄青华;基于源信号模型的盲分离技术研究及应用[D];上海交通大学;2007年

10 王翔;通信信号盲分离方法研究[D];国防科学技术大学;2013年

相关硕士学位论文 前10条

1 薛鞑;基于神经网络的发动机振动信号的盲分离研究[D];中国地质大学(北京);2015年

2 范晓艳;基于差分进化算法的置换混叠图像盲分离[D];河南师范大学;2015年

3 庞盟盟;基于单通道盲分离的抗干扰技术研究[D];电子科技大学;2014年

4 王秀林;多集合信号联合盲分离方法研究[D];大连理工大学;2015年

5 马欢;基于粒子滤波的同频数字混合信号单通道盲分离技术研究[D];解放军信息工程大学;2014年

6 王珊;基于非负张量分解的多通道音频信号盲分离研究[D];东南大学;2015年

7 付丙艮;基于盲分离的胎儿心电信号提取系统设计[D];广东工业大学;2016年

8 严文鸿;基于非负盲分离的胎儿心电信号处理方法研究[D];广东工业大学;2016年

9 查君君;盲分离技术的研究及其在缺陷信号处理中的应用[D];合肥工业大学;2007年

10 何真强;基于极大似然法的信号源盲分离[D];北京交通大学;2012年

本文编号：2531401