强噪声背景下机械设备微弱信号的提取与检测技术研究

发布时间：2023-04-16 18:54

　　在实际的机械设备故障诊断中,由于现场环境比较恶劣,所测得的振动信号除包含有用的特征信息外还存在大量的噪声干扰。尤其是机械设备的早期故障,特征信号比较微弱,往往被强噪声所淹没,极大地影响了设备状态信息的准确获取。因此,论文以机械设备为对象,研究了强噪声背景下微弱信号的提取和检测技术。 设备工况的变化以及其自身的非线性使机械设备的动态信号表现出非平稳性。经验模式分解方法是一种处理非线性非平稳信号的有效工具,但是对于强噪声背景下的微弱信号,噪声干扰会加重经验模式分解的边界效应,影响分解的质量和效果。为此,本文提出一种基于级联双稳随机共振降噪的经验模式分解方法,利用随机共振在微弱信号检测方面的优势,实现对微弱非平稳信号的提取。仿真实验以及滚动轴承的故障诊断实例验证了该方法的有效性。 奇异值分解是一种非线性滤波方法,广泛应用于信号的消噪和检测工作中。但是传统的奇异值分解通常是在时域中进行,由于奇异值对噪声比较敏感,因此奇异值分解只适用于弱噪声的情况。针对这个问题,论文提出了基于频域的奇异值分解方法,通过傅立叶变换将时域信号转换到频域进行处理,增强了奇异值分解的抗噪能力。此外,针对单层奇异值分解降...

【文章页数】：129 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 选题意义
    1.2 国内外研究现状
        1.2.1 机械设备早期故障的检测技术
        1.2.2 微弱信号检测方法
        1.2.3 状态检测与故障诊断系统的开发与应用
    1.3 课题的研究目的及来源
    1.4 论文的主要工作和创新点
第二章 强噪声背景下的经验模式分解研究
    2.1 前言
    2.2 经验模式分解基本原理
        2.2.1 瞬时频率定义
        2.2.2 瞬时频率定义分析
        2.2.3 基本模式分量
        2.2.4 经验模式分解实现步骤
    2.3 噪声背景下的经验模式分解研究
    2.4 随机共振理论
        2.4.1 随机共振基本原理
        2.4.2 级联双稳随机共振
    2.5 基于级联双稳随机共振降噪的经验模式分解
        2.5.1 方法的提出与仿真实验
        2.5.2 实验结果分析
    2.6 工程应用
    2.7 小结
第三章 强背景噪声下微弱信号的奇异值分解降噪研究
    3.1 前言
    3.2 奇异值分解方法
        3.2.1 奇异值分解数学原理
        3.2.2 奇异值分解方法研究
    3.3 奇异值分解仿真实例
    3.4 奇异值与噪声强度的关系
    3.5 频域的奇异值分解降噪研究
    3.6 级联奇异值分解降噪研究
    3.7 本章小结
第四章 大信号干扰下的微弱信号检测研究
    4.1 前言
    4.2 独立分量分析的基本原理与算法实现
        4.2.1 盲源分离基本原理
        4.2.2 独立分量分析及FastICA算法
        4.2.3 独立分量分析的仿真实例
    4.3 基于独立分量分析的信噪分离方法研究
        4.3.1 方法的提出
        4.3.2 仿真实验分析
    4.4 工程应用
    4.5 多窗谱分析基本原理
        4.5.1 多窗谱分析算法
        4.5.2 Slepian数据窗
    4.6 多窗谱分析的微弱信号检测
    4.7 工程应用
    4.8 本章小节
第五章 基于双CPU的便携式数据采集分析系统研究
    5.1 前言
    5.2 系统概述
    5.3 系统的硬件设计
        5.3.1 信号调理模块设计
        5.3.2 计算和控制核心的双CPU设计
        5.3.3 系统的外围电路设计
    5.4 系统的软件设计
        5.4.1 DSP部分软件设计
        5.4.2 ARM部分的软件设计
        5.4.3 数据采集模块
        5.4.4 人机交互模块
        5.4.5 通信模块
        5.4.6 信号分析模块
        5.4.7 Linux系统以及应用程序在嵌入式系统中的移植
    5.5 系统功能验证
    5.6 本章小结
第六章 总结与展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3791668