基于局域波法和盲源分离的故障诊断方法应用研究

发布时间：2022-12-04 05:44

　　机械故障诊断是以机器学为基础的一门综合性技术,它的本质是一个机器运行状态的模式识别问题,其关键就是故障信号的特征提取与分类。近年来,为满足对机器故障进行早期检测与精确诊断的需要,非平稳、非高斯信号处理方法在机械故障诊断领域受到了广泛关注。为此,本文基于国家自然科学基金项目“局域波法及其工程应用研究”（50475155）,利用非平稳、非高斯信号处理理论中的局域波法、Wigner高阶时频表示和盲源分离理论,结合模式识别与机器学习领域的研究成果,对非平稳、非高斯的机械振动信号特征提取与故障诊断问题进行了广泛而深入的研究。主要的工作如下: 1.应用局域波法对机械振动非平稳信号进行了研究。通过与小波变换和几种时频分析方法的比较,表明局域波法对于非平稳信号的分析更具有效性。实验结果表明,局域波时频分析能够清晰地表征不同故障的时变特征。由于局域波时频谱是一种二维的信号表示形式,在计算机对故障自动分类时,涉及到维数压缩的问题。为了用尽可能少的维数表示时频谱而不损失分类精度,几何矩和边缘分布可以作为时频分布的特征。在此基础上,结合人工神经网络,提出了一种基于局域波几何矩和边缘的... 

【文章页数】：129 页

【学位级别】：博士

【文章目录】：
摘要
1 绪论
    1.1 选题意义
    1.2 基于非平稳信号处理的故障诊断技术现状
        1.2.1 小波变换与机械故障诊断
        1.2.2 Cohen类时频分布与故障诊断
        1.2.3 局域波法与故障诊断
    1.3 基于非高斯信号处理的故障诊断技术现状
        1.3.1 基于高阶矩谱的故障诊断技术国内外现状
        1.3.2 基于盲源分离的故障诊断技术国内外现状
    1.4 论文的结构安排与主要工作
        1.4.1 论文研究的主要问题
        1.4.2 论文的研究内容和章节安排
2 局域波时频表示及其基于矩和边缘的特征提取方法
    2.1 全域波分析方法的局限性
    2.2 局域波时频分析
        2.2.1 瞬时频率及其物理意义
        2.2.2 局域波分解原理及算法
        2.2.3 局域波时频分布
        2.2.4 仿真信号分析
    2.3 基于局域波时频谱的矩和边缘的特征提取与故障诊断
        2.3.1 局域波时频谱的时间矩和频率矩以及时间边缘和频率边缘
        2.3.2 概率神经网络分类器
        2.3.3 转子故障的概率神经网络分类
    2.4 小结
3 多分量神经网络预测模型及其在故障诊断中的应用
    3.1 神经网络预测时间序列
        3.1.1 简单描述
        3.1.2 参数和网络大小
        3.1.3 数据和预测精度
    3.2 多分量神经网络预测模型
        3.2.1 网络结构
        3.2.2 算法介绍
    3.3 仿真预测结果
    3.4 在转子故障诊断中的应用
        3.4.1 基于模型库的故障诊断方法
        3.4.2 不同训练样本长度下的故障分类情况
    3.5 小结
4 Wigner高阶矩谱在机械故障特征提取中的应用
    4.1 高阶Wigner-Ville矩分布
        4.1.1 Wigner高阶矩谱(WHOMS)的定义
        4.1.2 切片Wigner高阶矩谱
    4.2 模糊函数
    4.3 利用局域波分解抑制WHOS交叉项的方法
    4.4 仿真实验
    4.5 WHOMS在柴油机缸套活塞磨损诊断中的应用实例
    4.6 小结
5 基于局域波时频图像的盲源分离故障分类
    5.1 盲源分离基本理论
        5.1.1 问题描述
        5.1.2 盲可辩识性
        5.1.3 盲源分离的预处理
    5.2 独立性和非高斯性
    5.3 信号的非高斯性度量
        5.3.1 峭度
        5.3.2 负熵
        5.3.3 互信息最小化
    5.4 FastlCA算法
    5.5 基于局域波时频图的盲源分离在故障诊断上的应用
        5.5.1 基于局域波时频图像的盲源分离故障分类图解
        5.5.2 用于局域波时频谱图像识别的盲源分离算法
    5.6 小结
6 非平稳信号的盲源分离在机械故障诊断中的应用
    6.1 非平稳源信号的盲分离模型
        6.1.1 数学模型
        6.1.2 假设条件
    6.2 空间时频分布
    6.3 基于时频分布的盲识别方法
        6.3.1 第一步：预白化
        6.3.2 第二步：联合对角化
        6.3.3 非平稳信号的盲分离算法过程
    6.4 不同时频分布的非平稳盲源分离算法性能比较
        6.4.1 Cohen类时一频分布
        6.4.2 仿真比较实验
    6.5 非平稳信号盲源分离算法在机械故障诊断中的应用
    6.6 基于盲源分离的多传感器数据融合故障诊断方法
        6.6.1 数据融合框架
        6.6.2 转子故障诊断的盲源分离多传感器数据融合诊断
    6.7 小结
结论
参考文献
攻读博士学位期间发表学术论文情况
创新点摘要
致谢
附录A 联合对角化
大连理工大学学位论文版权使用授权书


【参考文献】：
期刊论文
[1]局域波法在柴油机气缸磨损故障诊断中的研究[J]. 邹岩崑,马孝江,朱泓,蔡悦,张志新.  中国机械工程. 2004(20)
[2]局域波时频分布在转子系统早期故障诊断中的应用研究[J]. 马孝江,王凤利,蔡悦,张志新,王奉涛.  中国电机工程学报. 2004(03)
[3]独立分量分析基网络应用于旋转机械故障特征抽取与分类[J]. 杨世锡,焦卫东,吴昭同.  机械工程学报. 2004(03)
[4]基于源信号之间统计独立性的 ICA方法的等价性研究[J]. 张旭秀,邱天爽.  探测与控制学报. 2003(04)
[5]ICA及其在往复泵多源信号分离中的应用[J]. 王永,时文刚,吕涛.  石油矿场机械. 2003(05)
[6]基于源数估计的旋转机械源盲分离[J]. 焦卫东,杨世锡,吴昭同.  中国机械工程. 2003(14)
[7]机械故障模式识别的ICA基神经网络方法[J]. 焦卫东,杨世锡,吴昭同.  计算技术与自动化. 2003(02)
[8]基于独立分量分析的字符识别方法[J]. 乌凌超,莫玉龙.  上海大学学报(自然科学版). 2003(03)
[9]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]. 杨世锡,胡劲松,吴昭同,严拱标.  中国电机工程学报. 2003(06)
[10]独立成分分析及其应用的研究进展[J]. 陈华富.  生物医学工程学杂志. 2003(02)



本文编号：3707701