盲源分离算法的研究及其在故障检测中的应用

发布时间：2017-07-08 10:07

  本文关键词：盲源分离算法的研究及其在故障检测中的应用

  更多相关文章： 盲源分离 独立分量分析 约束独立分量分析 轴承故障诊断

【摘要】：盲源分离(BSS)是利用源信号间的统计独立性，在源信号和混合通道都是未知的条件下，，仅由观测信号分离出各源信号的过程，也称独立分量分析（ICA）。经典的独立分量分析虽然仅用数据的统计特性就可以分离盲信号，但分离结果具有不确定性。而机械故障信息中存在其他如频率特征等先验知识，本文主要结合这些先验信息，使算法的分离结果具有确定性，并将其应用于轴承的故障诊断中。 研究了基于主分量分析（PCA）的降维解相关理论，得出对信号进行基于主分量分析处理，能减小它们的相关性。研究了独立分量分析算法中不同目标函数的选取准则，并证明在一定条件下这些准则是等价的。比较了将峭度和负熵分别作为非高斯性测度的理论效果，结果表明基于负熵的快速独立分量分析算法的鲁棒性优于基于峭度的。本文后续算法都是基于负熵的快速独立分量分析算法进行改进的。 简要概述了独立分量分析算法的缺陷，为克服这些缺陷，提出一种带参考信号约束的独立分量分析算法。研究了约束独立分量分析（CICA）的基本数学模型与原理。介绍了参考信号构造原则和相似性测度方法。编写了CICA算法的MATLAB程序。在此，本文选取与待提取信号频率相同的脉冲信号作为参考信号，以均方误差作为相似性测度的方法进行了实验仿真，仿真实验表明约束独立分量分析算法能够很好地分离出待提取信号。同时引用美国凯斯西储大学的轴承故障数据进行了实验，结果能够很好地提取出故障信号。 为进一步证明约束独立分量分析算法在盲源分离中的有效性，本文搭建了轴承故障检测平台。用线切割的方法分别在轴承内圈、外圈和滚珠上加工缺陷，用美国NI公司提供的数据采集卡采集故障数据，对这些数据用约束独立分量分析处理，结果能够很好地提取出轴承对应部件的故障信号。 综上所述约束独立分量分析算法在盲源分离中是有效的，并且能够很好地应用于轴承故障检测中。
【关键词】：盲源分离 独立分量分析 约束独立分量分析 轴承故障诊断
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 研究背景和意义11-12
• 1.2 盲源分离的理论模型12-13
• 1.3 盲源分离的发展历程13-15
• 1.4 论文内容安排15-17
• 第二章 独立分量分析的理论基础17-28
• 2.1 统计理论17-20
• 2.1.1 独立、相关17-18
• 2.1.2 高阶统计量18-19
• 2.1.3 多元高斯变量19-20
• 2.2 信息理论20-22
• 2.2.1 熵20-21
• 2.2.2 互信息和 K-L 散度21-22
• 2.3 最优化理论22-27
• 2.3.1 梯度22-23
• 2.3.2 最速下降法23
• 2.3.3 牛顿迭代法23-24
• 2.3.4 乘子算法24-27
• 2.4 本章小结27-28
• 第三章 独立分量分析28-51
• 3.1 ICA 定义28-29
• 3.1.1 ICA 的模型及假设条件28-29
• 3.1.2 独立分量分析的基本步骤29
• 3.2 预处理29-34
• 3.2.1 去均值29-30
• 3.2.2 主分量分析解相关降维30-34
• 3.2.3 白化34
• 3.3 ICA 算法的主要准则34-37
• 3.3.1 最大化负熵和34-35
• 3.3.2 最小互信息准则35-36
• 3.3.3 最大似然准则36
• 3.3.4 最大非高斯性准则36-37
• 3.4 基于非高斯性的 ICA 算法37-43
• 3.4.1 基于峭度的快速 ICA 算法38-39
• 3.4.2 基于负熵近似的快速 ICA 算法39-43
• 3.5 实验仿真43-47
• 3.5.1 实验仿真一43-45
• 3.5.2 实验仿真二45-47
• 3.6 实验验证47-50
• 3.6.1 内圈故障分析47-49
• 3.6.2 外圈故障分析49-50
• 3.7 本章小结50-51
• 第四章 带参考信号约束的 ICA 算法51-61
• 4.1 独立分量分析算法的缺陷51
• 4.2 约束独立分量模型51-53
• 4.2.1 约束独立分量的优点51-52
• 4.2.2 约束独立分量分析与盲源分离52-53
• 4.2.3 约束独立分量分析模型53
• 4.3 约束独立分量分析53-56
• 4.3.1 约束独立分量分析基本原理53-55
• 4.3.2 参考信号的建立55
• 4.3.3 相似性测度55-56
• 4.4 实验仿真56-59
• 4.5 实验验证59-60
• 4.6 本章小结60-61
• 第五章 CICA 算法在轴承故障检测中的应用61-71
• 5.1 轴承故障理论61
• 5.2 间隔频率61-62
• 5.3 实验设备62-64
• 5.3.1 实验平台62-63
• 5.3.2 故障轴承的选择63
• 5.3.3 采集设备63-64
• 5.4 实验分析64-70
• 5.4.1 滚动轴承内圈故障分析64-66
• 5.4.2 滚动轴承外圈故障分析66-68
• 5.4.3 滚动轴承滚珠故障分析68-70
• 5.5 本章小结70-71
• 第六章 总结与展望71-74
• 6.1 全文总结71-72
• 6.2 未来展望72-74
• 致谢74-75
• 参考文献75-78
• 硕士期间取得的研究成果78-79

【参考文献】

中国期刊全文数据库 前9条

1 张洪渊,史习智;一种任意信号源盲分离的高效算法[J];电子学报;2001年10期

2 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期

3 刘琚,何振亚;盲源分离和盲反卷积[J];电子学报;2002年04期

4 张中民,卢文祥,杨叔子,张英堂;滚动轴承故障振动模型及其应用研究[J];华中理工大学学报;1997年03期

5 朱孝龙,保铮,张贤达;基于分阶段学习的盲信号分离[J];中国科学E辑:技术科学;2002年05期

6 周治宇;陈豪;;盲信号分离技术研究与算法综述[J];计算机科学;2009年10期

7 王怀文;;基于独立分量分析的盲分离算法研究[J];现代电子技术;2010年23期

8 王峻峰;史铁林;刘世元;何岭松;;基于主分量分析的信号白化解相关处理[J];中国机械工程;2005年21期

9 吴小培,冯焕清,周荷琴,王涛;基于独立分量分析的图象分离技术及应用[J];中国图象图形学报;2001年02期

中国博士学位论文全文数据库 前4条

1 米建勋;带参考信号的独立分量分析理论及其应用研究[D];中国科学技术大学;2010年

2 王志阳;约束独立成分分析及其在滚动轴承故障诊断中的应用[D];上海交通大学;2011年

3 王惠刚;自适应盲信号处理理论及应用研究[D];西北工业大学;2002年

4 李云霞;盲信号分离算法及其应用[D];电子科技大学;2008年

本文编号：534067