基于盲源分离和HHT的旋转机械故障诊断研究
发布时间：2020-11-13 11:34
在旋转机械的状态检测和故障诊断过程中，多干扰源或多故障相互复合的情况一直是旋转机械振动信号处理中重要的研究内容。传统的信号处理方法很难对多个振动信号的混叠进行精确的分离和提取。自90年代以来备受关注的盲源分离方法不需要过多的先验信息，仅通过观测信号就可以恢复出混叠信号中各个未知的信号源，为多故障信号的分离提供了新方法。然而,常规的盲源分离方法在处理旋转机械振动信号时，往往要求观测通道数不能少于源信号数，但实际应用中有时会出现单观测通道的特殊情况，此时常规盲源分离方法将失效。针对此不足，本文结合Hilbert-Huang变换的独特优势，研究了单通道盲源分离方法及其在旋转机械故障诊断中的应用，主要工作如下： （1）提出了基于自适应微分进化的盲源分离算法。该算法采用信号的负熵作为目标函数，利用微分进化算法求解最优分离矩阵，并根据信号的状态自适应调整交叉概率和变异因子，有效克服了传统优化算法收敛速度慢且易陷入局部最优值的缺点，实现了对混合信号的盲源分离。仿真结果表明：该算法不仅分离效果理想，而且收敛速度较快。 （2）阐述了Hilbert-Huang变换的基本概念及其基本算法和改进型算法。由于Hilbert-Huang变换的核心部分经验模态分解时常会发生模态混叠现象，因此N.E.Huang提出了总体经验模态分解。根据白噪声均匀的分布性，向信号内添加一定量的白噪声，然后进行多次经验模态分解，再将本征模态函数分量总体平均，从而有效克服模态混叠。经对比分析表明总体经验模态分解优于经验模态分解。 （3）深入研究了基于EEMD-BSS的单通道旋转机械故障诊断方法。该方法首先利用EEMD对单通道观测信号进行升维，使欠定问题转化为正定问题；其次采用占优特征值方法确定信号源数目，确保盲源分离的有效性；最后使用改进的盲源分离算法对升维信号进行分离，得到源信号的有效估计。仿真实验和实测转子故障实验的结果表明：该方法在单观测通道情况下能有效实现旋转机械复合故障信号的分离，且分离效果较好。
【学位单位】：南昌航空大学
【学位级别】：硕士
【学位年份】：2013
【中图分类】：TH165.3
【部分图文】：
图 2-2 自适应处理算法示意图适应处理器”可对分离矩阵W进行调节，具体算法行选择。其典型的算法主要有：基于随机梯度的算法以及基于非线性主分量分析的算法。追踪算法。它是基于统计学上的一种方法，通过将高到低维空间上来探查高维数据的结构，完成了此次从原始数据中消除，然后再次重复投影过程对剩余循环的过程，可以有效估计出原始信号的数据结构道，估计出的结果并不具有唯一性，由于特定方向往果会随特定方向的改变而无法确定。投影追踪法会将向逐次分离，每当分离出一个分量后，就通过正交化除，再接着对其他分量继续进行分离，因此投影追踪型的投影追踪算法有：固定点算法（Fixed-point A因子乘积的方法。
群的多样性进一步提高，从而进行交叉操 ( 1)iX t 进行杂交，其操作表达式如式(2-3 ( 1), ( ( )) ( 1)( ),ij cijx t if randb j P or j rnx t otherwise ' ' '1 2 ( 1), ( 1),..., ( 1)i i ij（ x t x t x t ）为目标个体 1,2,...,D； 0,1 cP 称为交叉概率，它决定的概率，cP 值越大就意味着目标个体分量速率就越快；r andb (i ) 0,1 为一个随机数功能的作用是保证'( 1)ijx t 最少可以在 ijx维交叉操作示意图。( )ix t'(i ( 1)x ix t j 1j 1j 1 3 crand P
25为进一步比较3种算法的收敛性能，画出3种算法负熵值随迭代步数的变化曲线图，如图2-11所示。()iJy图 2-11 三种算法比较从图2-11可以看出，ADE-BSS算法收敛速度最快，迭代18步的时候实现了混合信号的分离；普通DE-BSS算法其次，迭代65步的时候实现了混合信号的分离；自然梯度算法收敛最慢，直到迭代770步才实现混合信号的分离。可见，本文提出的ADE-BSS算法收敛速度更快，且达到了全局最优值，明显优于普通DE-BSS算法和自然梯度算法。PI图 2-12 三种算法 PI 收敛曲线由2.2.3节可以知道，三种算法的分离效果可用式(2-27)的评价指标 PI 来衡量
【参考文献】
本文编号：2882141
【学位单位】：南昌航空大学
【学位级别】：硕士
【学位年份】：2013
【中图分类】：TH165.3
【部分图文】：
图 2-2 自适应处理算法示意图适应处理器”可对分离矩阵W进行调节，具体算法行选择。其典型的算法主要有：基于随机梯度的算法以及基于非线性主分量分析的算法。追踪算法。它是基于统计学上的一种方法，通过将高到低维空间上来探查高维数据的结构，完成了此次从原始数据中消除，然后再次重复投影过程对剩余循环的过程，可以有效估计出原始信号的数据结构道，估计出的结果并不具有唯一性，由于特定方向往果会随特定方向的改变而无法确定。投影追踪法会将向逐次分离，每当分离出一个分量后，就通过正交化除，再接着对其他分量继续进行分离，因此投影追踪型的投影追踪算法有：固定点算法（Fixed-point A因子乘积的方法。
群的多样性进一步提高，从而进行交叉操 ( 1)iX t 进行杂交，其操作表达式如式(2-3 ( 1), ( ( )) ( 1)( ),ij cijx t if randb j P or j rnx t otherwise ' ' '1 2 ( 1), ( 1),..., ( 1)i i ij（ x t x t x t ）为目标个体 1,2,...,D； 0,1 cP 称为交叉概率，它决定的概率，cP 值越大就意味着目标个体分量速率就越快；r andb (i ) 0,1 为一个随机数功能的作用是保证'( 1)ijx t 最少可以在 ijx维交叉操作示意图。( )ix t'(i ( 1)x ix t j 1j 1j 1 3 crand P
25为进一步比较3种算法的收敛性能，画出3种算法负熵值随迭代步数的变化曲线图，如图2-11所示。()iJy图 2-11 三种算法比较从图2-11可以看出，ADE-BSS算法收敛速度最快，迭代18步的时候实现了混合信号的分离；普通DE-BSS算法其次，迭代65步的时候实现了混合信号的分离；自然梯度算法收敛最慢，直到迭代770步才实现混合信号的分离。可见，本文提出的ADE-BSS算法收敛速度更快，且达到了全局最优值，明显优于普通DE-BSS算法和自然梯度算法。PI图 2-12 三种算法 PI 收敛曲线由2.2.3节可以知道，三种算法的分离效果可用式(2-27)的评价指标 PI 来衡量
【参考文献】
相关期刊论文 前10条
1 于德介,程军圣;EMD方法在齿轮故障诊断中的应用[J];湖南大学学报(自然科学版);2002年06期
2 宋晓萍;廖明夫;;盲源分离方法在旋转机械故障诊断中的应用[J];机械设计与制造;2006年03期
3 石林锁;袁涛;;内燃机振动信号的盲源分离方法试验研究[J];内燃机学报;2007年05期
4 钟佑明,金涛,秦树人;希尔伯特-黄变换中的一种新包络线算法[J];数据采集与处理;2005年01期
5 江莉;李林;董惠;;基于改进EMD方法的多分量信号分析[J];振动与冲击;2009年04期
6 杨庆;陈桂明;薛冬林;;基于最小平方距离相关的EMD改进算法及应用[J];振动与冲击;2011年06期
7 曹冲锋;杨世锡;杨将新;;一种抑制EMD端点效应新方法及其在信号特征提取中的应用[J];振动工程学报;2008年06期
8 杨世锡,胡劲松,吴昭同,严拱标;旋转机械振动信号基于EMD的希尔伯特变换和小波变换时频分析比较[J];中国电机工程学报;2003年06期
9 杨志华,齐东旭,杨力华,吴立军;一种基于HHT的信号周期性分析方法及应用[J];中山大学学报(自然科学版);2005年02期
10 董绍江;汤宝平;张焱;;基于最优匹配跟踪算法的单通道机械信号盲源分离[J];振动工程学报;2012年06期
本文编号：2882141
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2882141.html
