当前位置:主页 > 科技论文 > 机械论文 >

基于盲源分离的机械故障诊断方法研究

发布时间:2017-05-05 10:16

  本文关键词:基于盲源分离的机械故障诊断方法研究,由笔耕文化传播整理发布。


【摘要】:随着科技的进步,机械设备的自动化程度越来越高,逐渐向着复杂化、精密化、高效化发展,随之而来的就是机械设备功能复杂化及各个工作单元之间关系的复杂化。若是某个关键部位发生了故障,那么可能就会引起一系列的连锁反应,影响设备的正常运行,造成巨大经济损失,更严重的还有可能发生人身事故。因此,对机械设备进行故障诊断具有重大意义。 在对机械设备进行信号采集时,需要在多个测点安装传感器,传感器采集到的信号不仅包含被诊断的机器发出的信号,而且还包含了邻近其他设备发出的信号。特别是当多故障并发时,采集到的信号往往是多个故障信号的混合叠加,传统的信号处理方法对多混和叠加的信号难以进行分离,因此不能准确地得到机械设备的完整信息。而盲源分离可以仅利用观测信号来估计出各个源信号,它可以解决多重信号混叠的分离问题。 本文对盲源分离的主流算法独立成分分析进行了研究。从计算复杂度、鲁棒性、迭代次数、收敛时间这几个方面对FastICA算法和RobustICA算法进行了对比,结果表明RobustICA算法优于FastICA算法。并将RobustICA算法应用到旋转机械中的轴承、液压泵故障诊断领域。 研究了RobustICA算法在单、多通道故障诊断中的应用。在多通道故障诊断中,分别研究了液压泵出现斜盘磨损单故障、斜盘磨损与滑靴磨损复合故障两种故障形式,成功地利用RobustICA算法提取出了故障特征频率,验证了算法的有效性。在单通道故障诊断中,为了满足盲源分离问题多输入的条件,引入了EEMD算法,利用EEMD算法可将信号分解为多个固有模式分量的特点,适当的选取多个固有模式分量与原观测信号组成RobustICA算法新的输入,将问题由单通道转变为多通道,并将此方法应用到轴承单故障与混合故障诊断中,成功地提取了故障特征频率,验证了方法的有效性。
【关键词】:故障诊断 故障特征频率 FastICA RobustICA EEMD 单通道 多通道
【学位授予单位】:燕山大学
【学位级别】:硕士
【学位授予年份】:2014
【分类号】:TH165.3
【目录】:
  • 摘要5-6
  • Abstract6-10
  • 第1章 绪论10-20
  • 1.1 课题背景10
  • 1.2 机械设备故障诊断技术的研究现状和发展趋势10-12
  • 1.2.1 机械设备故障诊断技术的研究现状10-12
  • 1.2.2 机械设备故障诊断技术的发展趋势12
  • 1.3 基于盲源分离的故障信号检测12-17
  • 1.3.1 盲源分离概述12-13
  • 1.3.2 盲源分离发展历史13-15
  • 1.3.3 盲源分离的应用15-17
  • 1.3.4 盲源分离理论用于机械故障信号提取17
  • 1.4 本文研究的意义和主要内容17-20
  • 1.4.1 本文研究的意义17-18
  • 1.4.2 本文内容安排18-20
  • 第2章 独立成分分析的理论基础20-30
  • 2.1 统计理论20-24
  • 2.1.1 不相关性20-21
  • 2.1.2 统计独立性21-22
  • 2.1.3 累积量、矩及它们的性质22-24
  • 2.2 信息理论24-27
  • 2.2.1 熵、微分熵、负熵24-26
  • 2.2.2 Kullback-Leibler 散度26
  • 2.2.3 互信息26-27
  • 2.3 梯度与优化方法27-29
  • 2.3.1 向量梯度27-28
  • 2.3.2 矩阵梯度28
  • 2.3.3 优化方法28-29
  • 2.4 本章小结29-30
  • 第3章 独立成分分析30-39
  • 3.1 ICA 与 BSS30
  • 3.2 ICA 的原理30-32
  • 3.2.1 ICA 的定义30-31
  • 3.2.2 ICA 的假设条件31-32
  • 3.3 ICA 的不确定性32-33
  • 3.4 ICA 预处理33-34
  • 3.5 ICA 分离性能判断指标34-35
  • 3.6 ICA 仿真35-38
  • 3.7 本章小结38-39
  • 第4章 RobustICA 算法研究39-56
  • 4.1 FastICA 的回顾39-41
  • 4.2 RobustICA 算法特点41-43
  • 4.3 RobustICA 算法原理及实现步骤43-46
  • 4.4 RobustICA 算法计算量分析46-47
  • 4.5 仿真研究47-55
  • 4.5.1 采样点数与信噪比的影响47-49
  • 4.5.2 相关系数与均方误差比较49-52
  • 4.5.3 迭代次数与收敛时间比较52-55
  • 4.6 本章小结55-56
  • 第5章 RobustICA 算法在机械设备故障诊断中的应用56-73
  • 5.1 液压泵多通道故障诊断56-62
  • 5.1.1 液压泵振动信号采集56-57
  • 5.1.2 液压泵斜盘磨损故障诊断57-59
  • 5.1.3 液压泵斜盘磨损与滑靴磨损复合故障诊断59-62
  • 5.2 轴承单通道故障诊断62-68
  • 5.2.1 轴承振动信号采集62-63
  • 5.2.2 故障特征提取63-65
  • 5.2.3 轴承外圈故障诊断65-67
  • 5.2.4 轴承内圈故障诊断67-68
  • 5.3 电机混合故障诊断68-71
  • 5.4 本章小结71-73
  • 结论73-75
  • 参考文献75-80
  • 攻读硕士学位期间承担的科研任务与主要成果80-81
  • 致谢81-82
  • 作者简介82

【参考文献】

中国期刊全文数据库 前10条

1 王仲妮;余先川;张立保;;基于受限的非负矩阵分解的多光谱和全色遥感影像融合[J];北京师范大学学报(自然科学版);2008年04期

2 黄智;余先川;王桂安;王仲妮;;非负矩阵分解算法在遥感图像融合中的应用[J];北京师范大学学报(自然科学版);2008年06期

3 余先川;刘立文;胡丹;王仲妮;;基于稳健有序独立成分分析(ROICA)的矿产预测[J];吉林大学学报(地球科学版);2012年03期

4 杨俊安,庄镇泉,吴波,郭立;一种基于负熵最大化的改进的独立分量分析快速算法[J];电路与系统学报;2002年04期

5 刘喜武,刘洪,郑天愉;用独立分量分析方法实现地震转换波与多次反射波分离[J];防灾减灾工程学报;2003年01期

6 汪军,,何振亚;瞬时混叠信号盲分离[J];电子学报;1997年04期

7 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期

8 刘斌,凌燮亭;源于盲分离思想的线性变形图象校正[J];复旦学报(自然科学版);1995年02期

9 金鑫;任献彬;周亮;;智能故障诊断技术研究综述[J];国外电子测量技术;2009年07期

10 姚桂艳,孙丽媛,程秀芳,薛全会;机械故障诊断技术的研究现状及发展趋势[J];河北理工学院学报;2005年03期

中国博士学位论文全文数据库 前2条

1 王卫华;盲源分离算法及应用研究[D];哈尔滨工程大学;2009年

2 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年


  本文关键词:基于盲源分离的机械故障诊断方法研究,由笔耕文化传播整理发布。



本文编号:346171

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/346171.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a6bb1***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com