基于扩展平行因子分析的机械故障诊断方法研究

发布时间：2023-05-07 19:02

　　本论文在国家自然科学基金(No.51675258),机械系统与振动国家重点实验室(No.MSV201914)和南昌航空大学研究生创新专项资金项目(YC2017049)的资助下展开深入研究,针对传统平行因子在故障诊断中存在的局限性,将扩展平行因子分析算法引入到机械故障诊断中,研究了基于扩展平行因子分析的机械故障诊断方法,并进行仿真与实验验证,取得了较好的创新性成果,全文的主要内容如下:1.针对传统基于平行因子的机械故障盲源分离方法(PARAFAC-BSS)存在的不足,即该方法中的PARAFAC分解唯一性需要满足条件为三个承载矩阵中不能含有任何相关列,这就限制了PARAFAC-BSS的应用。在此基础上,将PARAFAC-BSS进行扩展,提出了基于扩展平行因子分析的机械故障盲源分离方法(PARAFAC2-BSS),提出的方法的优势在于,建立的PARAFAC2模型仅要求一个模式矩阵集合具有相同的因子,其他的矩阵可以具有不同的因子,从而克服了PARAFAC-BSS方法中存在的不足,建立的模型在某一维度下变化时,模型仍然有效,而传统的PARAFAC-BSS故障盲分离方法必须重新建立模型。同时,将P...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的提出及其意义
    1.2 机械故障盲源分离国内外研究现状
    1.3 平行因子分析的国内外研究现状
    1.4 本课题的研究内容和主要创新点
        1.4.1 主要内容
        1.4.2 关键问题和主要创新点
第2章 基于PARAFAC2 的盲分离方法研究
    2.1 概述
    2.2 PARAFAC2 理论及其算法
    2.3 仿真研究
    2.4 实验研究
    2.5 本章小结
第3章 EMD-PARAFAC2和LMD-PARAFAC2 盲分离方法研究
    3.1 概述
    3.2 EMD-PARAFAC2 盲分离方法
    3.3 LMD-PARAFAC2 盲分离方法
    3.4 仿真研究
    3.5 实验研究
    3.6 本章小结
第4章 基于PARAFAC2 的卷积混合盲分离方法研究
    4.1 概述
    4.2 PARAFAC2 卷积模型的建立
    4.3 仿真研究
    4.4 实验研究
    4.5 本章小结
第5章 基于TUCKER-DBN的机械故障识别方法研究
    5.1 概述
    5.2 TUCKER分解
    5.3 DBN算法
    5.4 TUCKER-DBN模型建立
    5.5 实验研究
    5.6 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间发表的论文和参加科研情况
致谢



本文编号：3811153