基于单通道盲源分离理论的故障特征提取技术

发布时间：2017-04-12 17:05

  本文关键词：基于单通道盲源分离理论的故障特征提取技术，由笔耕文化传播整理发布。

【摘要】：机械故障特征的提取技术对机械系统的状态监测、故障诊断具有重要意义。直接从机械系统获得的观测信号实质上是各个部件产生信号的混合,能够反映关键部件运行状况的有效信号特征往往被淹没在了混合信号中。为了对机械关键部件进行准确监测和诊断,必须从复杂的观测信号中有效地估计与分离出能够反映设备工作状态的信息,这也是基于单通道盲源分离理论的故障特征提取技术的重要任务。单通道盲源分离(Single Channel Blind Source Separation,SCBSS)仅利用单路传感器接收的混合信号,提取出关键特征信息,实际情况中由于机械结构、安装条件和成本的限制,往往仅存在单个传感器,恰恰与单通道盲源分离技术的应用环境相符合,使得其在机械故障诊断中具有深远的科研意义和应用价值,吸引越来越多的科研人员投入研究。本文以机械设备故障特征提取为研究背景,对单通道盲源分离算法及应用进行探讨,主要研究工作和成果如下:(1)研究和分析独立分量分析理论和算法,实验表明FastICA算法具有迭代速度快、输出稳定可靠、算法易实现等优点,可作为单通道盲源分离算法的核心工具。(2)研究了基于虚拟多通道的单通道盲源分离算法,该算法通过对单通道混合信号的预处理,将单通道问题转化为虚拟的多通道问题,其关键在于预处理算法的选择。通过实验对比分析了时空法、DWT、EMD、EEMD等预处理算法的性能和优缺点。(3)研究了非抽样小波变换原理及特性,非抽样小波变换不需要抽样操作,每层分解输出的高通和低通信号长度与原始信号相同,在时域和频域上信息是冗余的,分解结果频带交叠很少,将其应用到发电机组的故障诊断中,有效提取了轴瓦松动故障的特征。(4)提出了一种基于UWT-ICA的单通道盲源分离方法,实验表明该方法具有良好的分离效果和效率,将其应用到轴承的故障特征频率提取中,分离的分量清晰地揭示了与轴承故障相关的特征。
【关键词】：独立分量分析 虚拟多通道 单通道盲源分离 非抽样小波变换 特征提取
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-16
• 1.1 选题背景及研究意义9-10
• 1.2 盲源分离的发展及研究现状10-14
• 1.3 盲源分离在机械故障诊断中的研究现状14
• 1.4 本文研究内容14-16
• 第二章 盲源分离基本理论16-34
• 2.1 引言16
• 2.2 盲源分离基本理论16-19
• 2.2.1 盲源分离数学模型17
• 2.2.2 盲源分离的基本假设17-18
• 2.2.3 分离结果的不确定性18
• 2.2.4 分离结果的评价标准18-19
• 2.3 独立分量分析（ICA）算法19-32
• 2.3.1 ICA的目标函数19-21
• 2.3.2 ICA的常用算法21-27
• 2.3.3 高斯白噪声信号对分离效果的影响27-29
• 2.3.4 源信号的非高斯性对分离效果的影响29-32
• 2.4 小结32-34
• 第三章 基于虚拟多通道的单通道盲源分离算法34-55
• 3.1 引言34
• 3.2 虚拟多通道盲源分离算法34-35
• 3.3 时空法35-41
• 3.3.1 时空法的概念35-36
• 3.3.2 实验36-41
• 3.4 离散小波变换（Discrete Wavelet Transform）41-46
• 3.4.1 离散小波变换的概念41-43
• 3.4.2 实验43-46
• 3.5 经验模态分解（Empirical Model Decomposition）46-50
• 3.5.1 经验模态分解的概念46-48
• 3.5.2 实验48-50
• 3.6 总体经验模态分解法（Ensemble EMD）50-54
• 3.6.1 总体经验模态分解的概念50-51
• 3.6.2 实验51-54
• 3.7 小结54-55
• 第四章 非抽样小波变换55-64
• 4.1 引言55
• 4.2 非抽样小波变换原理55-57
• 4.3 实验分析57-59
• 4.4 工程应用59-63
• 4.5 小结63-64
• 第五章 基于UWT-ICA单通道盲源分离算法64-82
• 5.1 引言64
• 5.2 基于UWT-ICA单通道盲源分离算法的原理64-65
• 5.3 实验分析65-71
• 5.3.1 仅利用逼近信号构建观测矩阵X67-68
• 5.3.2 仅利用细节信号构建观测矩阵X68-69
• 5.3.3 混合利用逼近信号和细节信号构建观测矩阵X69-71
• 5.4 滚动轴承的故障特征提取71-81
• 5.4.1 轴承损伤模拟实验72-74
• 5.4.2 轴承故障特征提取工程应用74-81
• 5.5 小结81-82
• 第六章 结论与展望82-84
• 参考文献84-88
• 攻读硕士学位期间取得的研究成果88-89
• 致谢89

【相似文献】

中国期刊全文数据库 前10条

1 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

2 李广彪;张剑云;;基于变步长等变化自适应盲源分离算法[J];电子信息对抗技术;2006年01期

3 苏中元;贾民平;;周期平稳信号盲源分离算法及其应用[J];机械工程学报;2007年10期

4 陈锡明;黄硕翼;;盲源分离综述——问题、原理和方法[J];电子信息对抗技术;2008年02期

5 刘秀芳;艾延廷;张[，

本文编号：301731