基于形态滤波与盲信号处理的机械故障特征提取方法研究

发布时间：2017-04-13 19:12

  本文关键词：基于形态滤波与盲信号处理的机械故障特征提取方法研究，，由笔耕文化传播整理发布。

【摘要】：机械设备已涉及到各行业的生产过程中,随着发展的需要渐渐的向着大型化、自动化、集成化的方向发展,其故障的发生方式变得更加复杂。一旦机械设备及其零部件出现异常,将导致设备损坏并造成经济损失和人员伤亡及社会负面影响。因此,对机械设备实施状态监测与故障诊断具有十分重大的意义。机械设备故障诊断的关键在于对故障特征的有效提取,而在旋转机械中,滚动轴承是主要的标准零部件之一,因而对滚动轴承故障信号的特征提取分析方法进行深入研究,具有重大的实际意义。本文采用滚动轴承作为研究对象,同时将数学形态学滤波算法和盲信号处理应用到机械故障特征的提取分析中,重点研究了盲解卷积和非负矩阵分解算法在机械故障特征提取分析中的应用。由于滚动轴承故障信号具有非线性、非平稳性等特点,故利用数学形态学滤波对其进行降噪,研究多种不同结构元素及形态运算构成的形态滤波器,并通过大量的仿真试验,分析比较各类型滤波器的滤波效果。在基于独立分量分析和聚类分析的盲解卷积算法基础上,结合数学形态学滤波、改进KL距离算法和正交匹配追踪算法,提出一种改进时域盲解卷积算法并通过仿真实验加以验证。研究了三种非负矩阵分解的初始化算法(基于多次随机分布的初始化算法、基于SVD的初始化算法、基于FCM的初始化算法)和两种非负分解算法(基于乘性迭代的非负分解算法、基于交替最小二乘法的非负矩阵分解算法)的基本原理,并进行了仿真试验。在理论研究与仿真试验的基础上,在QPZZ-II旋转机械故障模拟试验台上进行滚动轴承故障信号数据采集实验。最后,通过分析实验数据,验证了本文所提出算法的有效性和正确性。
【关键词】：数学形态学滤波 盲信号处理 盲解卷积 非负矩阵分解 特征提取
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-11
• 第一章 绪论11-19
• 1.1 课题概述11-13
• 1.1.1 课题来源11
• 1.1.2 课题研究背景及意义11-13
• 1.2 数学形态滤波理论在信号预处理中的研究现状13-14
• 1.3 盲信号处理算法研究现状与分析14-17
• 1.3.1 盲解卷积14-16
• 1.3.2 非负矩阵分解16-17
• 1.4 本文主要研究内容17-19
• 第二章 基于数学形态学滤波的预处理方法研究19-37
• 2.1 数学形态学基本理论19-22
• 2.1.1 数学形态学基本运算19-20
• 2.1.2 基本运算的效果20-21
• 2.1.3 形态滤波器类型21-22
• 2.2 结构元素22-25
• 2.2.1 结构元素的形状23-24
• 2.2.2 自适应获取结构元素尺寸24-25
• 2.2.3 构建结构元素算法25
• 2.3 构建形态滤波器25-27
• 2.3.1 平均组合滤波器26
• 2.3.2 广义形态滤波器26
• 2.3.3 形态梯度与差值形态滤波器26
• 2.3.4 滤波效果的衡量标准26-27
• 2.4 仿真分析27-34
• 2.4.1 组合形态滤波器的滤波结果28-30
• 2.4.2 广义形态滤波器的滤波结果30-31
• 2.4.3 形态梯度与差值形态滤波器的滤波结果31-34
• 2.5 本章小结34-37
• 第三章 基于形态滤波与盲解卷积的滚动轴承故障提取37-53
• 3.1 盲解卷积理论37-40
• 3.1.1 盲解卷积的数学模型37-39
• 3.1.2 盲解卷积基本假设及其解的不确定性39-40
• 3.1.3 盲解卷积算法的评价标准40
• 3.2 信号的预处理40-42
• 3.2.1 信号的零均值化处理41
• 3.2.2 信号的白化处理41-42
• 3.3 时域盲解卷积的改进算法研究42-48
• 3.3.1 基于独立分量分析和聚类分析的时域盲解卷积算法42-43
• 3.3.2 改进时域盲解卷积算法43-48
• 3.4 仿真分析48-51
• 3.4.1 正交匹配追踪(OMP)算法仿真48-49
• 3.4.2 改进时域盲解卷积算法仿真49-51
• 3.5 本章小结51-53
• 第四章 基于形态滤波与非负矩阵分解的滚动轴承故障提取53-69
• 4.1 非负矩阵分解基本理论53-55
• 4.1.1 非负矩阵分解数学模型53-54
• 4.1.2 目标函数54
• 4.1.3 迭代准则54-55
• 4.2 非负矩阵分解初始化问题研究55-60
• 4.2.1 基于多次随机分布的NMF初始化问题56-57
• 4.2.2 基于奇异值分解的NMF初始化问题57-58
• 4.2.3 基于聚类分析的NMF初始化问题58-60
• 4.3 非负矩阵分解算法研究60-62
• 4.3.1 基于乘性迭代的NMF算法61
• 4.3.2 基于交替最小二乘法的NMF算法61-62
• 4.4 仿真分析62-68
• 4.4.1 NMF初始化算法仿真62-65
• 4.4.2 基于乘性迭代的NMF算法仿真65-66
• 4.4.3 基于交替最小二乘法的NMF算法仿真66-68
• 4.5 本章小结68-69
• 第五章 滚动轴承故障实验研究与数据分析69-83
• 5.1 滚动轴承故障信号采集69-74
• 5.1.1 实验设备简介69-71
• 5.1.2 传感器的标定71-72
• 5.1.3 滚动轴承故障类型72
• 5.1.4 数据采集72-74
• 5.2 实验数据分析处理74-82
• 5.2.1 基于数学形态学滤波的预处理分析75-77
• 5.2.2 基于形态滤波与盲解卷积的滚动轴承故障提取分析77-80
• 5.2.3 基于形态滤波与非负矩阵分解的滚动轴承故障提取分析80-82
• 5.3 本章小结82-83
• 第六章 总结与展望83-87
• 6.1 论文总结83-84
• 6.2 主要创新点84
• 6.3 研究展望84-87
• 致谢87-89
• 参考文献89-93
• 附录A 攻读硕士学位期间的学术成果93-95
• A.1 攻读硕士期间发表的学术论文93
• A.2 攻读硕士期间申请的发明专利93-95
• 附录B 攻读硕士学位期间参与项目及获得奖励95
• B.1 攻读硕士期间参与项目95
• B.2 攻读硕士期间获得奖励95

【相似文献】

中国期刊全文数据库 前10条

1 谢静;赵文强;雷毅;;盲信号处理在机电声学监测与诊断中的应用[J];舰船电子工程;2012年08期

2 毋文峰;陈小虎;苏勋家;姚春江;王旭平;;基于负熵的旋转机械盲信号处理[J];中国机械工程;2011年10期

3 李承志;吴华;程嗣怡;张官荣;;独立分量分析在雷达盲信号处理上的应用[J];现代防御技术;2012年01期

4 黄晋英;潘宏侠;毕世华;杨喜旺;;基于盲信号处理的传动箱状态监测与故障诊断[J];弹箭与制导学报;2006年02期

5 王宇;迟毅林;伍星;沈沂;;基于盲信号处理的机械噪声监测与故障诊断[J];振动与冲击;2009年06期

6 刘晓峰;张志涌;;基于遗传算法的直接盲信号检测[J];东南大学学报(自然科学版);2005年S2期

7 秦亮;石林锁;张亚洲;;基于盲信号提取的机械振动信号消噪方法研究[J];电子测量技术;2009年06期

8 叶中付,叶凤芹;阵列通道复增益盲估计[J];火控雷达技术;2000年01期

9 毋文峰;陈小虎;苏勋家;姚春江;江克侠;;机械振动源数估计的小波方法[J];机械科学与技术;2011年10期

10 ;[J];;年期

中国重要会议论文全文数据库 前5条

1 何振亚;;盲信号处理及其神经计算[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

2 范京;张福学;;硅微陀螺盲信号处理[A];全国第二届信号处理与应用学术会议专刊[C];2008年

3 刘晓峰;张志涌;;基于遗传算法的直接盲信号检测[A];2005年全国自动化新技术学术交流会论文集[C];2005年

4 刘晓峰;张志涌;;基于遗传算法的直接盲信号检测[A];2005全国自动化新技术学术交流会论文集（二）[C];2005年

5 何艳;黄建宇;吴仁彪;;一种基于FastICA算法的改进盲抽取方法[A];第十九届中国（天津）'2005IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2005年

中国重要报纸全文数据库 前1条

1 本报记者 冯海波 通讯员 祝和平;他给声音做导航[N];广东科技报;2010年

中国博士学位论文全文数据库 前5条

1 郭文强;稳定分布噪声下的盲信号处理方法及应用研究[D];大连理工大学;2007年

2 任东晓;非线性盲信号抽取及应用研究[D];电子科技大学;2012年

3 王宇;机械噪声监测中盲信号处理方法研究[D];昆明理工大学;2010年

4 王峻峰;基于主分量、独立分量分析的盲信号处理及应用研究[D];华中科技大学;2005年

5 王惠刚;自适应盲信号处理理论及应用研究[D];西北工业大学;2002年

中国硕士学位论文全文数据库 前10条

1 刘凤;基于形态滤波与盲信号处理的机械故障特征提取方法研究[D];昆明理工大学;2015年

2 郭云喜;盲信号处理及应用[D];西南交通大学;2012年

3 刘子龙;盲信号处理中信源数目估计方法研究[D];中北大学;2012年

4 宋英;两输入两输出全息盲信号的解析分离[D];内蒙古工业大学;2010年

5 曾玉祥;盲抽取与SVM方法在地球化学异常下限提取中的应用[D];成都理工大学;2010年

6 冷巨昕;盲信号处理中信源个数估计方法研究[D];电子科技大学;2009年

7 李薇;盲信号处理技术在水下目标分离中的应用[D];哈尔滨工程大学;2011年

8 邱火旺;基于盲信号处理的多目标分离与定位技术研究[D];西北工业大学;2007年

9 梁月;无线通信系统中基于PARAFAC模型的盲信号处理问题[D];天津大学;2012年

10 刘海龙;基于峭度的盲信号抽取技术在车辆声频信号分离中的应用研究[D];长安大学;2007年

  本文关键词：基于形态滤波与盲信号处理的机械故障特征提取方法研究，由笔耕文化传播整理发布。

本文编号：304278