基于粒子群算法的转子振动特征识别研究
发布时间：2021-05-19 18:13
转子是电机、风机等很多旋转机械中的关键总成,其在机器设备中高速旋转,运行状况会影响整个旋转机械的可靠性。针对转子故障诊断与识别的研究对于保证机械设备的正常运转具有重要意义。本文在研究盲源分离的基本模型及预处理方法的基础上,建立了衡量分离算法效果的性能指标,以及分离信号的独立性度量指标。在研究转子动力学实验系统的结构及传感器选用的基础上,对转子的几种常见故障机理进行分析,并通过转子动力学实验系统的模拟故障实验对各种故障的振动信号特征进行详细分析。针对实际生产和信号采集中普遍存在的单通道采集信号问题,以及导致的源信号数目大于采集信号的欠定情况,本文提出基于EMD-ICA的欠定盲分离算法,方法采用EMD算法对单通道采集信号进行分解,运用IAIC与IMDL方法进行源数估计,并应用相关系数法重构多维信号作为ICA的输入量,所分离后信号的波形、幅值与源信号一致,特征频率得到恢复,实现盲源信号的有效分离。针对信号处理方法计算量大、收敛性不佳的问题,本文提出一种基于四阶累积量的粒子群算法,算法将分离信号的四阶累积量作为适应度函数,采用标准粒子群算法求解分离矩阵,准确地提取转子各路源振动信号,并对故障类...
【文章来源】：长春工业大学吉林省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 转子振动特征识别及提取主要研究内容
1.3 盲源分离算法技术简介
1.3.1 盲源分离算法研究现状
1.3.2 盲源分离算法简单描述
1.4 主要研究内容与安排
1.5 本章小结
第2章 盲源分离的基本理论
2.1 盲源分离的不确定性和前提假设
2.2 盲源分离的预处理
2.2.1 源信号中心化处理
2.2.2 源信号白化处理
2.3 盲源分离算法性能指标
2.3.1 盲源分离算法性能指标
2.3.2 分离信号的独立性度量
2.4 本章小结
第3章 转子故障机理研究及实验系统分析
3.1 常见转子故障机理研究
3.1.1 转子不平衡故障机理
3.1.2 转子不对中故障机理
3.1.3 转子动静碰磨故障机理
3.2 转子动力学实验系统
3.2.1 转子动力学实验系统组成
3.2.2 传感器的选择
3.2.3 动态信号采集测试分析系统
3.3 转子故障仿真实验方法及分析
3.3.1 转子故障模拟方法
3.3.2 实验参数设置
3.3.3 转子不平衡实验分析
3.3.4 转子不对中实验分析
3.3.5 转子动静碰磨实验分析
3.4 本章小结
第4章 基于EMD-ICA算法的转子故障特征分析
4.1 单通道盲源分离数学模型
4.2 源信号经验模式分解
4.2.1 固有模态函数
4.2.2 EMD算法基本原理
4.3 改进独立分量数估计方法
4.4 单通道盲源分离算法
4.5 仿真实验分析
4.6 基于EMD-ICA算法故障特征分析
4.7 本章小结
第5章 基于粒子群算法的转子特征识别与提取
5.1 基本粒子群算法
5.1.1 粒子群算法背景
5.1.2 粒子群算法描述
5.1.3 粒子群算法流程
5.2 标准粒子群算法
5.3 基于四阶累积量粒子群算法的盲源分离
5.3.1 算法参数设置
5.3.2 适应度函数
5.3.3 算法的流程
5.4 仿真实验结果
5.5 转子振动特征分离实验
5.6 本章小结
第6章 结论
6.1 结论
6.2 展望
致谢
参考文献
作者简介
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]基于JADE-ICA的滚动轴承多故障信号盲源分离[J]. 席剑辉,崔健驰,蒋丽英. 振动与冲击. 2017(05)
[2]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[3]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[4]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[5]复杂环境移动群机器人最优路径规划方法[J]. 徐雪松,杨胜杰,陈荣元. 电子测量与仪器学报. 2016(02)
[6]基于扩频码周期性的单通道直扩通信半盲分离抗干扰算法[J]. 朱行涛,刘郁林,晁志超,何为. 系统工程与电子技术. 2016(02)
[7]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[8]基于混合概率的新型小波变异量子粒子群算法[J]. 胡皞,常军,巩文龙,刘文波. 计算机技术与发展. 2016(01)
[9]基于高阶累积量带噪盲源分离算法[J]. 赵国伟,王宏志. 长春工业大学学报. 2015(06)
[10]一种差分进化和模拟退火粒子群混合算法[J]. 杜松,周健勇. 计算机仿真. 2015(12)
博士论文
[1]盲信号分离算法及其在转子故障信号分离中的应用方法研究[D]. 苗锋.兰州理工大学 2014
硕士论文
[1]盲源分离技术在转子故障诊断中的应用[D]. 刘书溢.长春工业大学 2016
[2]振动分析技术在变速箱故障诊断中的应用与研究[D]. 朱成伟.长春工业大学 2015
本文编号：3196214
【文章来源】：长春工业大学吉林省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 转子振动特征识别及提取主要研究内容
1.3 盲源分离算法技术简介
1.3.1 盲源分离算法研究现状
1.3.2 盲源分离算法简单描述
1.4 主要研究内容与安排
1.5 本章小结
第2章 盲源分离的基本理论
2.1 盲源分离的不确定性和前提假设
2.2 盲源分离的预处理
2.2.1 源信号中心化处理
2.2.2 源信号白化处理
2.3 盲源分离算法性能指标
2.3.1 盲源分离算法性能指标
2.3.2 分离信号的独立性度量
2.4 本章小结
第3章 转子故障机理研究及实验系统分析
3.1 常见转子故障机理研究
3.1.1 转子不平衡故障机理
3.1.2 转子不对中故障机理
3.1.3 转子动静碰磨故障机理
3.2 转子动力学实验系统
3.2.1 转子动力学实验系统组成
3.2.2 传感器的选择
3.2.3 动态信号采集测试分析系统
3.3 转子故障仿真实验方法及分析
3.3.1 转子故障模拟方法
3.3.2 实验参数设置
3.3.3 转子不平衡实验分析
3.3.4 转子不对中实验分析
3.3.5 转子动静碰磨实验分析
3.4 本章小结
第4章 基于EMD-ICA算法的转子故障特征分析
4.1 单通道盲源分离数学模型
4.2 源信号经验模式分解
4.2.1 固有模态函数
4.2.2 EMD算法基本原理
4.3 改进独立分量数估计方法
4.4 单通道盲源分离算法
4.5 仿真实验分析
4.6 基于EMD-ICA算法故障特征分析
4.7 本章小结
第5章 基于粒子群算法的转子特征识别与提取
5.1 基本粒子群算法
5.1.1 粒子群算法背景
5.1.2 粒子群算法描述
5.1.3 粒子群算法流程
5.2 标准粒子群算法
5.3 基于四阶累积量粒子群算法的盲源分离
5.3.1 算法参数设置
5.3.2 适应度函数
5.3.3 算法的流程
5.4 仿真实验结果
5.5 转子振动特征分离实验
5.6 本章小结
第6章 结论
6.1 结论
6.2 展望
致谢
参考文献
作者简介
攻读硕士学位期间研究成果
【参考文献】：
期刊论文
[1]基于JADE-ICA的滚动轴承多故障信号盲源分离[J]. 席剑辉,崔健驰,蒋丽英. 振动与冲击. 2017(05)
[2]基于变分模态分解和Teager能量算子的滚动轴承故障特征提取[J]. 马增强,李亚超,刘政,谷朝健. 振动与冲击. 2016(13)
[3]基于数据驱动的微小故障诊断方法综述[J]. 文成林,吕菲亚,包哲静,刘妹琴. 自动化学报. 2016(09)
[4]一种基于盲源分离和流形学习的风电机组轴承故障特征提取方法[J]. 赵洪山,李浪,王颖. 太阳能学报. 2016(02)
[5]复杂环境移动群机器人最优路径规划方法[J]. 徐雪松,杨胜杰,陈荣元. 电子测量与仪器学报. 2016(02)
[6]基于扩频码周期性的单通道直扩通信半盲分离抗干扰算法[J]. 朱行涛,刘郁林,晁志超,何为. 系统工程与电子技术. 2016(02)
[7]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[8]基于混合概率的新型小波变异量子粒子群算法[J]. 胡皞,常军,巩文龙,刘文波. 计算机技术与发展. 2016(01)
[9]基于高阶累积量带噪盲源分离算法[J]. 赵国伟,王宏志. 长春工业大学学报. 2015(06)
[10]一种差分进化和模拟退火粒子群混合算法[J]. 杜松,周健勇. 计算机仿真. 2015(12)
博士论文
[1]盲信号分离算法及其在转子故障信号分离中的应用方法研究[D]. 苗锋.兰州理工大学 2014
硕士论文
[1]盲源分离技术在转子故障诊断中的应用[D]. 刘书溢.长春工业大学 2016
[2]振动分析技术在变速箱故障诊断中的应用与研究[D]. 朱成伟.长春工业大学 2015
本文编号：3196214
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3196214.html
