盲源分离方法及其在旋转机械故障诊断中的应用研究

发布时间：2017-06-07 06:04

  本文关键词：盲源分离方法及其在旋转机械故障诊断中的应用研究，由笔耕文化传播整理发布。

【摘要】：旋转机械是生产中的关键设备,广泛应用在冶金、电力、石化、航空航天等领域,一旦旋转机械出现故障,会造成生产停工,带来巨大的经济损失,严重时甚至发生机械事故,导致人员伤亡,所以对旋转机械进行状态监测和故障诊断是必不可少的。随着工业化、信息化、经济全球化地迅速发展,旋转机械设备故障诊断技术也在不断地进步。在实际应用中,旋转机械振动信号都是非平稳的,并且常常面临着各种干扰或故障相互耦合的状况,如何有效地从传感器采集到的观测信号中提取出所期望的故障特征信息,是制约旋转机械故障诊断的瓶颈,而盲源分离就可以从观测信号中恢复出振源信号,进而提取机械源的故障特征,实现故障诊断。盲源分离是近年来迅速发展的一种新的信号识别方法。本文以旋转机械振动信号为研究对象,以盲源分离为研究方法,系统地研究了传统的盲源分离方法在机械故障诊断领域中的不足,提出了三种在不同应用条件下的改进算法,并应用于实际的旋转机械复合故障的诊断中。首先,针对传统盲源分离方法无法直接分离具有相关性的源信号的情况,提出了一种基于Gabor变换的去相关盲分离方法。仿真结果表明,该算法很好地解决了传统盲源分离方法不可以直接分离具有相关性的源信号的难题。其次,针对传统的机械故障盲源分离方法仅限于非高斯、平稳的源信号,以及观测信号数目不少于源信号数目等缺陷,提出了一种融合小波变换和时频分析的单通道盲分离方法。通过仿真,验证了该方法的可行性。并将所提出的方法应用到滚动轴承混合故障的分离中,成功识别出轴承的内外圈故障。最后,盲源分离的方法包括瞬时盲源分离和卷积盲源分离,瞬时盲源分离是卷积盲源分离研究的基础,但是实际的机械故障中,由于信号传递过程中存在着散射、衍射等原因,使得信号混合的方式更加接近于卷积混合,因此,研究卷积盲源分离问题是必不可少的,本文提出了一种基于频域的盲解卷积分离方法。将信号在时域的卷积混合转化成为频域的线性瞬时混合,仿真与实验验证了该方法在机械故障诊断中的有效性。
【关键词】：旋转机械 故障诊断 盲源分离 Gabor变换 时频分析 卷积混合
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH165.3
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 课题课课及研究意义11
• 1.2 机械故障诊断技术的发展及研究11-12
• 1.3 盲源分离方法12-16
• 1.3.1 盲源分离的发展及其研究12-15
• 1.3.2 盲源分离在机械故障诊断中的应用15-16
• 1.4 本文研究的内容16-17
• 第2章 盲源分离的理论基础与算法研究17-31
• 2.1 前言17
• 2.2 盲源分离的基本理论17-21
• 2.2.1 盲源分离的数学模型17-19
• 2.2.2 盲源分离的基本假设19-20
• 2.2.3 盲源分离的不确定性20-21
• 2.3 盲源分离的预处理方法21-24
• 2.3.1 零均值化21-22
• 2.3.2 白化处盲22-24
• 2.4 盲源分离的经典算法24-26
• 2.4.1 特征矩阵联合近似对角化算法24-25
• 2.4.2 信息极大化算法25-26
• 2.4.3 独立分量分析算法26
• 2.5 盲源分离的固定点算法26-29
• 2.5.1 基于峭度的盲定盲算法26-27
• 2.5.2 基于负熵的盲定盲算法27-28
• 2.5.3 基于极大似然的盲定盲算法28-29
• 2.6 盲源分离的性能评价指标29-30
• 2.6.1 相似系数29
• 2.6.2 PI性盲指数29-30
• 2.6.3 信噪比30
• 2.7 本章小结30-31
• 第3章 基于Gabor变换的相关源信号盲分离31-41
• 3.1 前言31
• 3.2 变换Gabor31-32
• 3.3 去相关盲分离32-34
• 3.3.1 去相关理论32-33
• 3.3.2 去相关盲分离33-34
• 3.4 仿真试验研究34-40
• 3.5 本章小结40-41
• 第4章 融合小波分解与时频分析的单通道振动信号盲分离41-55
• 4.1 前言41
• 4.2 欠定盲分离41-44
• 4.2.1 小波变换41-42
• 4.2.2 贝叶斯源数估计42-43
• 4.2.3 基于小波分解与重构的欠定盲分离43-44
• 4.3 基于时频分析的盲分离44-45
• 4.4 融合小波分解与时频分析的单通道盲分离45-47
• 4.5 仿真分析47-51
• 4.6 旋转机械故障诊断分析51-54
• 4.7 本章小结54-55
• 第5章 基于能量相关调序的频域盲解卷积方法55-65
• 5.1 前言55
• 5.2 卷积混合信号时域盲分离55-57
• 5.3 卷积混合信号频域盲分离57-59
• 5.4 能量相关调序59-61
• 5.4.1 振动信号盲量相关性59-60
• 5.4.2 基于能量相关的排序方法60-61
• 5.5 实验验证61-64
• 5.6 本章小结64-65
• 结论65-67
• 参考文献67-71
• 攻读硕士学位期间承担的科研任务与主要成果71-72
• 致谢72-73
• 作者简介73

【参考文献】

中国期刊全文数据库 前10条

1 张海军,温广瑞,屈梁生;一种提高诊断信息质量的方法[J];西安交通大学学报;2002年03期

2 李力,屈梁生;应用独立分量分析提取机器的状态特征[J];西安交通大学学报;2003年01期

3 蔡艳平;李艾华;石林锁;秦亮;张亚洲;;基于盲解卷积的柴油机振动信号分离研究[J];振动与冲击;2010年09期

4 王晓伟;石林锁;;自适应非线性BSS及其在齿轮故障诊断中的应用[J];振动与冲击;2012年10期

5 杨杰;郑海起;关贞珍;王彦刚;;基于核形态成分分析的齿轮箱复合故障诊断研究[J];振动与冲击;2012年10期

6 潘楠;伍星;迟毅林;柳小勤;刘畅;;基于频域盲解卷积的机械设备状态监测与故障诊断[J];振动与冲击;2012年12期

7 叶红仙;杨世锡;杨将新;;基于EMD-SVD-BIC的机械振动源数估计方法[J];振动.测试与诊断;2010年03期

8 袁幸;朱永生;洪军;张优云;;用盲反卷积和改进谱减法提取轴承微弱特征[J];振动.测试与诊断;2012年02期

9 周晓峰;杨世锡;甘春标;;一种旋转机械振动信号的盲源分离消噪方法[J];振动.测试与诊断;2012年05期

10 李辉;郑海起;唐力伟;;基于广义形态分量分析的降噪技术研究[J];振动与冲击;2013年01期

  本文关键词：盲源分离方法及其在旋转机械故障诊断中的应用研究，，由笔耕文化传播整理发布。

本文编号：428300