独立分量分析的重盲分离研究及其在机械故障诊断中的应用
发布时间：2021-11-18 22:14
独立分量分析（independent component analysis, ICA）是上个世纪末发展起来的一种新的信号处理方法。它属于盲源分离方法中的一个特殊方法被广泛应用于机械振动信号处理、生物医学信号的处理、通信、陈列信号处理、语音信号处理等领域,并取得良好的效果。简而言之,独立分量分析的功能是通过优化算法将由多个源信号线性混合而成的混合信号进行分解。它在盲源分离的基础上假设源信号互相独立,并以特定的优化算法为手段将源信号逐个提取出来。ICA由盲源分离发展而来故又称为盲分离。ICA在信号特征的提取,微弱信号提取方面有很好的效用。本课题对ICA的相关知识、原理、应用方法等进行了详细介绍以说明ICA功能的可能性,并通过理想化的仿真实验以验证它的可行性。任何方法都有它的优缺点,独立分量分析也不例外。优点应以继承,缺点则应予创新。本课题正是针对独立分量分析方法的一个缺点（通道数不能少于源信号数）进行了尝试性突破研究,提出了重盲分离方法（Re-ICA）并取得了成功。本研究将独立分量分析与最经典的频域分析方法进行结合,依据频谱分析来虚拟通道以实现测量通道数目的增加,再进行独立分量分析。该方法...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景与意义
1.2 国内外相关技术研究现状
1.3 课题来源及主要的研究内容
1.4 课题研究的创新内容
第二章 机械系统故障检测与诊断原理
2.1 机械故障诊断基本原理
2.1.1 机械故障概述
2.1.2 机械故障特征参量
2.1.3 机械故障诊断的一般思维方法
2.2 故障诊断的信号分析与处理技术
2.2.1 信号处理中常用变换
2.2.2 时域分析方法
2.2.3 频域分析方法
第三章 独立分量分析的盲源分离原理
3.1 盲源分离的数学基础
3.1.1 概率论与统计特征
3.1.2 信息论相关基础知识
3.2 基于独立分量分析的盲源分离方法
3.2.1 独立分量分析的预处理
3.2.2 独立分量分析的一般提法与优化判据
3.2.3 独立分量分析的优化算法
3.2.4 独立分量分析仿真实验
第四章 重盲分离方法与原理
4.1 ICA 方法的缺点与不足
4.1.1 独立分量分析的不确定性与局限性
4.1.2 有噪声的独立分量分析
4.2 Re-ICA 方法的提出与原理方法
4.2.1 Re-ICA 方法的提出
4.2.2 Re-ICA 方法的原理
4.2.3 Re-ICA 方法的仿真与应用
4.2.4 Re-ICA 方法的限定
第五章 结论与展望
参考文献
发表论文和参加科研情况说明
致谢
【参考文献】：
期刊论文
[1]基于频谱相似度的ICA不确定性快速消除[J]. 莫崇相,陆森林. 噪声与振动控制. 2008(05)
[2]基于独立分量分析的声发射信号去噪方法[J]. 顾江,张光新,刘国华,周泽魁. 江南大学学报(自然科学版). 2008(01)
[3]基于互相关和最大似然估计的弱信号检测[J]. 吕振肃,熊景松. 武汉科技大学学报(自然科学版). 2007(04)
[4]基于FFT-MCC分析的ICA（BSS）盲不确定性消除[J]. 焦卫东,杨世锡,钱苏翔,严拱标. 中国机械工程. 2006(07)
[5]ICA不确定性问题在圆度误差分离中的解决措施[J]. 张梅,金施群. 工具技术. 2005(10)
[6]基于独立分量分析的单通道语音降噪算法研究[J]. 周成,刘钊. 激光与红外. 2005(05)
[7]故障诊断技术及其发展趋势[J]. 陈炜峰,陆静霞. 农机化研究. 2005(02)
[8]机械设备故障诊断技术及其发展趋势[J]. 黄伟力,黄伟建,王飞,杜巍. 矿山机械. 2005(01)
[9]基于独立分量分析的消噪方法在旋转机械特征提取中的应用[J]. 季忠,金涛,杨炯明,秦树人. 中国机械工程. 2005(01)
[10]基于独立成分分析的强背景噪声去噪方法[J]. 孔薇,杨杰,周越. 上海交通大学学报. 2004(12)
硕士论文
[1]故障诊断方法研究及软件开发[D]. 刘军.大连理工大学 2000
本文编号：3503717
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的背景与意义
1.2 国内外相关技术研究现状
1.3 课题来源及主要的研究内容
1.4 课题研究的创新内容
第二章 机械系统故障检测与诊断原理
2.1 机械故障诊断基本原理
2.1.1 机械故障概述
2.1.2 机械故障特征参量
2.1.3 机械故障诊断的一般思维方法
2.2 故障诊断的信号分析与处理技术
2.2.1 信号处理中常用变换
2.2.2 时域分析方法
2.2.3 频域分析方法
第三章 独立分量分析的盲源分离原理
3.1 盲源分离的数学基础
3.1.1 概率论与统计特征
3.1.2 信息论相关基础知识
3.2 基于独立分量分析的盲源分离方法
3.2.1 独立分量分析的预处理
3.2.2 独立分量分析的一般提法与优化判据
3.2.3 独立分量分析的优化算法
3.2.4 独立分量分析仿真实验
第四章 重盲分离方法与原理
4.1 ICA 方法的缺点与不足
4.1.1 独立分量分析的不确定性与局限性
4.1.2 有噪声的独立分量分析
4.2 Re-ICA 方法的提出与原理方法
4.2.1 Re-ICA 方法的提出
4.2.2 Re-ICA 方法的原理
4.2.3 Re-ICA 方法的仿真与应用
4.2.4 Re-ICA 方法的限定
第五章 结论与展望
参考文献
发表论文和参加科研情况说明
致谢
【参考文献】：
期刊论文
[1]基于频谱相似度的ICA不确定性快速消除[J]. 莫崇相,陆森林. 噪声与振动控制. 2008(05)
[2]基于独立分量分析的声发射信号去噪方法[J]. 顾江,张光新,刘国华,周泽魁. 江南大学学报(自然科学版). 2008(01)
[3]基于互相关和最大似然估计的弱信号检测[J]. 吕振肃,熊景松. 武汉科技大学学报(自然科学版). 2007(04)
[4]基于FFT-MCC分析的ICA（BSS）盲不确定性消除[J]. 焦卫东,杨世锡,钱苏翔,严拱标. 中国机械工程. 2006(07)
[5]ICA不确定性问题在圆度误差分离中的解决措施[J]. 张梅,金施群. 工具技术. 2005(10)
[6]基于独立分量分析的单通道语音降噪算法研究[J]. 周成,刘钊. 激光与红外. 2005(05)
[7]故障诊断技术及其发展趋势[J]. 陈炜峰,陆静霞. 农机化研究. 2005(02)
[8]机械设备故障诊断技术及其发展趋势[J]. 黄伟力,黄伟建,王飞,杜巍. 矿山机械. 2005(01)
[9]基于独立分量分析的消噪方法在旋转机械特征提取中的应用[J]. 季忠,金涛,杨炯明,秦树人. 中国机械工程. 2005(01)
[10]基于独立成分分析的强背景噪声去噪方法[J]. 孔薇,杨杰,周越. 上海交通大学学报. 2004(12)
硕士论文
[1]故障诊断方法研究及软件开发[D]. 刘军.大连理工大学 2000
本文编号：3503717
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3503717.html
