基于盲源分离的船舶柴油机噪声分离技术研究

发布时间：2017-09-27 10:31

  本文关键词：基于盲源分离的船舶柴油机噪声分离技术研究

  更多相关文章： 船舶柴油机 盲源分离 故障诊断

【摘要】：海上交通运输的发展带动船舶向大型化、自动化发展,为保障海上运输安全,必须提高船舶机械特别是为船舶提供动力的船舶柴油机的可靠性。用声学诊断技术来研究船舶柴油机的可靠性比传统故障诊断技术在传感器布置方面更具有灵活性,但采集到噪声信号都是多个激励源产生的混合信号,难以实现对指定激励源的准确分析。本文研究的目的就是从船舶柴油机产生的混合噪声信号中提取出单个激励源产生的信号,以提高声学诊断的准确性。本文利用盲源分离技术来提取船舶柴油机单一激励源产生的噪声信号。在阐述盲源分离算法的基础上,首先在MATLAB软件上模拟两个声音信号的混合和盲源分离过程；然后以型号为MAN 5S35ME-B9的船舶柴油机为研究对象,对采集的噪声信号进行盲分离,并找出分离信号与噪声源的对应关系；最后单独对船舶柴油机第一缸的声发射信号进行盲源分离,并分析分离信号与激励源的对应关系。得到结论如下：(1)在MATLAB上模拟结果显示,两个分离声音信号与两个源信号的波形和频率分布一致,说明盲源分离是一种可靠的信号分离方法。(2)利用FastICA盲源分离算法对船舶柴油机采集的7个噪声信号进行分离,成功提取出船舶柴油机燃烧激励引起的噪声信号,实验柴油机在转速为100r/min时,燃烧激励引起的噪声信号主要频率成分为250Hz。但由于柴油机所处声场复杂,难以实现对所有激励信号的分离。(3)对第一缸采集的声发射信号进行盲分离实验,从采集的三个混合信号中成功分离出了燃烧激励引起的声发射信号和活塞环与气缸相对运动产生的声发射信号,说明盲分离可以实现对柴油机单缸声发射信号的分离。综上,利用盲源分离可以从船舶柴油机的混合信号中提取出单个激励源产生的信号,将盲源分离与传统的故障诊断技术相结合,必将提高船舶柴油机运行的可靠性。
【关键词】：船舶柴油机 盲源分离 故障诊断
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U664.121
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-15
• 1.1 课题的背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 盲源分离理论研究现状11-12
• 1.2.2 盲源分离在机械设备上的应用现状12-13
• 1.3 本文研究的主要内容和论文结构安排13-15
• 第二章 盲源分离基本理论15-24
• 2.1 盲源分离基本模型15-17
• 2.2 盲源分离基本概念17-19
• 2.2.1 不相关与统计独立性17
• 2.2.2 K-L散度与互信息17-18
• 2.2.3 非高斯性18
• 2.2.4 熵与负熵18-19
• 2.2.5 峭度19
• 2.2.6 中心化和白化19
• 2.3 盲源分离目标函数与优化准则19-20
• 2.3.1 非线性去相关准则20
• 2.3.2 非高斯性最大化准则20
• 2.3.3 信息最大化准则20
• 2.3.4 互信息最小化准则20
• 2.3.5 最大似然估计准则20
• 2.4 盲源分离的数学模型20-22
• 2.4.1 线性混合模型20-21
• 2.4.2 非线性混合模型21-22
• 2.5 盲源分离约束条件与不确定性分析22-24
• 2.5.1 盲源分离问题的约束条件22
• 2.5.2 盲源分离的不确定性22-24
• 第三章 信号的盲源分离算法24-43
• 3.1 盲源分离算法分类24-28
• 3.1.1 线性瞬时混合盲分离算法24-25
• 3.1.2 线性卷积混合盲分离算法25-27
• 3.1.3 非线性混合盲源分离算法27-28
• 3.2 瞬时混合语音信号分离28-34
• 3.2.1 FastICA算法描述28-30
• 3.2.2 FastICA算法仿真模拟30-34
• 3.3 基于JADE算法的卷积混合语音信号分离34-41
• 3.3.1 联合近似对角化算法(JADE)描述35-36
• 3.3.2 K-means聚类解决排列不确定性问题36-37
• 3.3.3 卷积混合语音信号JADE算法模拟实验37-41
• 3.4 真实语音信号盲源分离试验41-43
• 第四章 基于语音信号盲分离的船舶噪声分离实验43-60
• 4.1 基于Labview的语音信号采集系统43-46
• 4.1.1 采集系统设备简介43-45
• 4.1.2 声音信号采集系统的程序框图45-46
• 4.2 船舶柴油机噪声信号盲源分离46-53
• 4.2.1 船舶柴油机噪声信号盲分离实验设计46-47
• 4.2.2 船舶柴油机噪声信号的盲分离分析47-52
• 4.2.3 船舶噪声分离实验总结52-53
• 4.3 船舶柴油机声发射信号盲源分离实验53-59
• 4.4 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 本文研究的主要内容和结论60-61
• 5.2 展望61-62
• 参考文献62-65
• 致谢65

【相似文献】

中国期刊全文数据库 前10条

1 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

2 李广彪;张剑云;;基于变步长等变化自适应盲源分离算法[J];电子信息对抗技术;2006年01期

3 苏中元;贾民平;;周期平稳信号盲源分离算法及其应用[J];机械工程学报;2007年10期

4 陈锡明;黄硕翼;;盲源分离综述——问题、原理和方法[J];电子信息对抗技术;2008年02期

5 刘秀芳;艾延廷;张[，

本文编号：929192