基于声场三维空间特征的声像故障诊断方法研究
发布时间:2021-01-10 13:29
随着测试手段的发展日趋成熟,声像故障诊断方法结合阵列测试方法和声场重建技术,把声学故障诊断问题转化为图像的模式识别问题,展现出巨大发展潜力,但二维源面声像诊断技术所提取的源面信息出现特征冗余现象,限制了模式识别率的进一步提高,同时仅仅考虑源面声像,未有考虑声音在声场中的传播变化,空间相位信息缺乏,在弱故障工况下识别率低和诊断困难。基于此,本文在声像故障诊断方法的基础上,引入灰色关联聚类技术,对源面声像特征信息进行去冗余优化,改善声像诊断效率和鲁棒性,并且发展一种三维声场物理空间特征的声诊断方法,有效改善弱故障工况的诊断正确率,进一步拓展了声成像技术的工程应用。本文采用阵列测量手段,融合近场声全息声场重建技术可视化声场,进而借鉴图像处理领域理论和支持向量机模式识别方法等多学科理论。一方面从优化声像故障诊断方法角度出发,引入灰色关联聚类技术对源面声像特征信息进行去冗余优化,约减特征维数,并仿真和实验验证该方法的正确性和有效性,改善声像诊断效率和稳定性。另一方面运用信息映射和融合的思想,提出了一种基于三维声场物理特征的声诊断方法,该方法利用近场声全息技术构建弱故障工况的辐射声场,将声源的相位...
【文章来源】:郑州轻工业大学河南省
【文章页数】:79 页
【学位级别】:硕士
【部分图文】:
三维声场空间特征的故障诊断方法流程
阵列扫描架168
图 4-9 电火花加工轴承内圈故障图0.4mm0.6图 4-10 轴承故障状态(3)实验参数设计和工况设置由于声音的干涉、反射、衍射现象,轴承试验选择在空旷的大面积试验厂房射物较少。依据转子试验台结构确定声源主要为一对轴承和电机三部分组成
【参考文献】:
期刊论文
[1]基于平滑l0范数的压缩感知近场声全息方法[J]. 赵永峰,杨涛. 压电与声光. 2018(01)
[2]面向高光谱图像分类的超像素级Gabor特征融合方法研究[J]. 贾森,吴奎霖,朱家松,李清泉. 南京信息工程大学学报(自然科学版). 2018(01)
[3]基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J]. 张园园,邹策,陈晓玲,尹永浩,程生翠,陈迎亚,谢平. 生物医学工程学杂志. 2017(06)
[4]改进的Gabor小波变换的特性及其在地震信号中的应用(英文)[J]. 姬战怀,严胜刚. Applied Geophysics. 2017(04)
[5]基于k-空间格林函数的近场声全息滤波方法研究[J]. 张一澍,马宏伟,王星,王浩添. 现代电子技术. 2017(21)
[6]多分类孪生支持向量机研究进展[J]. 丁世飞,张健,张谢锴,安悦瑄. 软件学报. 2018(01)
[7]利用Gabor小波的空域自适应隐写算法[J]. 王龙飞,郭继昌. 哈尔滨工业大学学报. 2017(05)
[8]大孔径声全息密集阵列的阵元数量去冗余方法[J]. 郭文勇,陈林松,曹跃云. 应用声学. 2017(03)
[9]一种基于Gabor小波及互协方差降维运算的人脸识别方法[J]. 李雅倩,张少伟,李海滨,张文明,张强. 电子与信息学报. 2017(08)
[10]统计最优近场声全息数值仿真研究[J]. 赵报川,赵永峰. 科技创新与应用. 2016(34)
博士论文
[1]大规模稀疏支持向量机算法研究[D]. 刘大莲.北京交通大学 2017
[2]非平行平面支持向量机及特征提取中若干问题研究[D]. 陈素根.江南大学 2016
[3]半监督支持向量机模型与算法研究[D]. 闫辛.上海大学 2016
[4]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
硕士论文
[1]基于支持向量机的量化择时策略及实证研究[D]. 宋文达.西安工业大学 2017
[2]基于双T-SV模型下支持向量机回归的量化策略研究[D]. 周炳均.西南交通大学 2017
[3]支持向量机多因子选股模型[D]. 魏妹金.华侨大学 2015
[4]基于Gabor小波变换的人脸特征提取方法研究[D]. 白雪姣.武汉理工大学 2013
[5]基于Gabor小波变换和SVM的人脸表情识别[D]. 王黎艳.南京理工大学 2009
[6]基于Gabor小波的人脸识别的单样本问题研究[D]. 姚荣华.上海交通大学 2007
本文编号:2968791
【文章来源】:郑州轻工业大学河南省
【文章页数】:79 页
【学位级别】:硕士
【部分图文】:
三维声场空间特征的故障诊断方法流程
阵列扫描架168
图 4-9 电火花加工轴承内圈故障图0.4mm0.6图 4-10 轴承故障状态(3)实验参数设计和工况设置由于声音的干涉、反射、衍射现象,轴承试验选择在空旷的大面积试验厂房射物较少。依据转子试验台结构确定声源主要为一对轴承和电机三部分组成
【参考文献】:
期刊论文
[1]基于平滑l0范数的压缩感知近场声全息方法[J]. 赵永峰,杨涛. 压电与声光. 2018(01)
[2]面向高光谱图像分类的超像素级Gabor特征融合方法研究[J]. 贾森,吴奎霖,朱家松,李清泉. 南京信息工程大学学报(自然科学版). 2018(01)
[3]基于Gabor小波-传递熵的脑-肌电信号同步耦合分析[J]. 张园园,邹策,陈晓玲,尹永浩,程生翠,陈迎亚,谢平. 生物医学工程学杂志. 2017(06)
[4]改进的Gabor小波变换的特性及其在地震信号中的应用(英文)[J]. 姬战怀,严胜刚. Applied Geophysics. 2017(04)
[5]基于k-空间格林函数的近场声全息滤波方法研究[J]. 张一澍,马宏伟,王星,王浩添. 现代电子技术. 2017(21)
[6]多分类孪生支持向量机研究进展[J]. 丁世飞,张健,张谢锴,安悦瑄. 软件学报. 2018(01)
[7]利用Gabor小波的空域自适应隐写算法[J]. 王龙飞,郭继昌. 哈尔滨工业大学学报. 2017(05)
[8]大孔径声全息密集阵列的阵元数量去冗余方法[J]. 郭文勇,陈林松,曹跃云. 应用声学. 2017(03)
[9]一种基于Gabor小波及互协方差降维运算的人脸识别方法[J]. 李雅倩,张少伟,李海滨,张文明,张强. 电子与信息学报. 2017(08)
[10]统计最优近场声全息数值仿真研究[J]. 赵报川,赵永峰. 科技创新与应用. 2016(34)
博士论文
[1]大规模稀疏支持向量机算法研究[D]. 刘大莲.北京交通大学 2017
[2]非平行平面支持向量机及特征提取中若干问题研究[D]. 陈素根.江南大学 2016
[3]半监督支持向量机模型与算法研究[D]. 闫辛.上海大学 2016
[4]基于变分模态分解与优化多核支持向量机的旋转机械早期故障诊断方法研究[D]. 吕中亮.重庆大学 2016
硕士论文
[1]基于支持向量机的量化择时策略及实证研究[D]. 宋文达.西安工业大学 2017
[2]基于双T-SV模型下支持向量机回归的量化策略研究[D]. 周炳均.西南交通大学 2017
[3]支持向量机多因子选股模型[D]. 魏妹金.华侨大学 2015
[4]基于Gabor小波变换的人脸特征提取方法研究[D]. 白雪姣.武汉理工大学 2013
[5]基于Gabor小波变换和SVM的人脸表情识别[D]. 王黎艳.南京理工大学 2009
[6]基于Gabor小波的人脸识别的单样本问题研究[D]. 姚荣华.上海交通大学 2007
本文编号:2968791
本文链接:https://www.wllwen.com/jixiegongchenglunwen/2968791.html