齿轮箱振动信号的盲源分离方法

发布时间：2017-03-30 12:03

  本文关键词：齿轮箱振动信号的盲源分离方法，由笔耕文化传播整理发布。

【摘要】：本论文首先系统地阐述了盲源分离(BSS)的基本理论,重点分析与研究了线性瞬时盲源分离理论和基于人工神经网络的后非线性(PNL)盲源分离的相关理论,在线性瞬时盲源分离的研究中,分别研究了基于峭度的FastICA和基于负熵的Fast ICA方法,根据混合信号的非高斯性成功地提取了仿真混合信号的各独立成分,并通过相似系数检验了基于峭度的Fast ICA方法和基于负熵的FastICA方法的分离精度。在信息论的框架下,应用极大似然估计算法,成功地分离了混合信号,并分别应用PI值与相似系数评定了该方法的分离精度。最后,根据不同长度的采样数据,对比了Fast ICA方法与极大似然估计算法的运行效率,当数据采样点的增加至410时,极大似然估计方法所消耗的时间是Fast ICA方法的6倍左右。在基于人工神经网络的后非线性盲源分离的研究中,将前馈神经网络与信息熵理论相结合,构建出基于神经网络的后非线性(PNL)盲源分离模型,并分别应用前馈神经网络中的BP网络和RBF网络解混模拟的非线性混合信号,然后以信息熵作为神经网络输出信号的独立性评判准则,成功地分离了3路非线性混合信号,验证了该方法的有效性。最后,应用线性盲源分离方法,成功地分离了齿轮箱在950 rmin/和1000 rmin/情况下的振动信号,顺利地找出了齿轮箱的齿轮断齿故障和轴承内圈和滚动体早期故障,说明盲源分离(BSS)方法能够有效地分离机械振动信号,并且在处理微弱信号方面具备显著优势。
【关键词】：线性分离 非线性分离 ICA分析 信息论 盲源分离
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH132.41

【参考文献】

中国期刊全文数据库 前1条

1 桂现才;BP神经网络在MATLAB上的实现与应用[J];湛江师范学院学报;2004年03期

中国硕士学位论文全文数据库 前1条

1 彭安洪;基于RBF和云自适应粒子群盲源分离的算法研究[D];新疆大学;2013年

  本文关键词：齿轮箱振动信号的盲源分离方法，由笔耕文化传播整理发布。

，

本文编号：277043