旋转机械故障特征盲源分离方法研究

发布时间：2023-10-02 01:30

　　盲分离(Blind Signal Separation,BSS)技术是现代信号处理领域中一个崭新的研究方向。目前已广泛应用于语音信号处理、移动通信、医学信号处理及图像处理等许多领域。目前解决盲分离问题主要利用独立分量分析(Independent Component Analysis,ICA)方法来提取相互统计独立的源信号。独立分量分析是指在不知道源信号和传输信道的先验信息的情况下,根据源信号的特性,仅由观测到的混合信号来恢复或分离出源信号。本文将独立分量分析方法应用到旋转机械故障诊断中,通过此方法来提取特征频率进而分析机械的故障,从独立分量分析的算法和在机械振动信号中的应用方面进行研究。 本文从盲源分离的理论出发,由盲源分离问题引出独立分量分析,分析了ICA的数学模型及原理,论述了不同的ICA独立性准则以及现有的几种主要算法,重点研究了FastICA算法。FastICA算法基于非高斯性最大化原理,使用固定点迭代理论寻找非高斯性最大值,采用牛顿迭代算法对观测变量的大量采样点进行批处理,每次从观测信号中分离出一个独立分量,是独立分量分析的一种快速算法。并且针对FastICA算法的收敛依赖于...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 旋转机械故障诊断的背景和研究意义
    1.2 传统旋转机械故障特征提取技术的不足
    1.3 独立分量分析的研究概况
    1.4 独立分量分析的应用现状
        1.4.1 独立分量分析在各领域的应用情况
        1.4.2 独立分量分析在旋转机械故障诊断中的应用
    1.5 论文的研究内容和结构安排
第二章 独立分量分析概述
    2.1 统计学的相关基础理论
        2.1.1 随机变量的数字特征
        2.1.2 统计独立
    2.2 信息论的相关理论
        2.2.1 熵
        2.2.2 Kullback-Leibler 散度
        2.2.3 互信息
        2.2.4 负熵
    2.3 瞬时混和信号盲分离
        2.3.1 瞬时混和信号盲分离的数学模型
        2.3.2 ICA 的前提假设条件
        2.3.3 ICA 的限制条件
    2.4 小结
第三章 独立分量分析常用算法
    3.1 ICA 的独立性判据
        3.1.1 互信息极小化
        3.1.2 信息极大化
        3.1.3 极大似然估计
        3.1.4 负熵最大化
        3.1.5 各种判据的等价性
    3.2 ICA 的优化算法
    3.3 盲分离算法性能评价准则
    3.4 基于FastICA 的盲分离算法
        3.4.1 FastICA 算法的基本理论
        3.4.2 FastICA 的预处理过程
        3.4.3 FastICA 的算法原理和特点
        3.4.4 FastICA 算法的改进方法
        3.4.5 仿真实验
    3.5 小结
第四章 引入带通滤波的改进盲分离方法
    4.1 观测信号与源信号数目不等问题讨论
n )">        4.1.1 观测信号数目大于源信号数目(m > n )
        4.1.2 观测信号数目小于源信号数目(m < n )
    4.2 基于窄带处理的改进盲分离方法
        4.2.1 改进方法的实现原理
        4.2.2 仿真实验
    4.3 小结
第五章 旋转机械故障特征盲分离实验分析
    5.1 转子不平衡故障特征盲分离
        5.1.1 转子不平衡故障机理及特征
        5.1.2 转子不平衡实验分析
    5.2 齿轮箱振动特征的盲分离
        5.2.1 齿轮箱振动机理分析
        5.2.2 齿轮箱振动特征盲分离实验分析
    5.3 小结
第六章 总结与展望
    6.1 总结
    6.2 本课题今后需进一步研究的地方
致谢
参考文献
个人简历 在读期间发表的学术论文



本文编号：3849831