强噪声背景下机械故障微弱信号特征提取方法研究

发布时间：2017-08-16 11:05

  本文关键词：强噪声背景下机械故障微弱信号特征提取方法研究

  更多相关文章： 奇异值分解差分谱 LMD 随机共振 高通滤波器 分段线性系统 故障特征提取

【摘要】：由于生产设备恶劣的现场环境、变化的工况和自身的非线性等特点，使得所测得的振动信号往往具有强噪声背景、非线性和早期微弱故障信息的特征。这些特征严重影响了设备状态信息的准确获取，因此，论文以强噪声背景中微弱的故障特征为对象，研究机械设备微弱的早期故障特征信息提取方法。主要围绕奇异值分解和随机共振技术展开的。 作为一种非线性降噪方法，，奇异值分解技术已广泛应用到信号的降噪和检测中，但是，当检测强噪声背景中的微弱故障信息时，奇异值分解技术表现欠佳。针对此问题，论文设计了一种基于局部均值分解和奇异值分解差分谱理论的微弱信息提取方法，该方法首先通过局部均值分解将非线性非平稳的原始信号分解为若干个PF分量，由于强噪声的影响，难以从PF分量准确得到特征信息，对PF分量进行Hankel矩阵重构和奇异值分解，根据奇异值分解差分谱理论确定有用奇异值的个数，进而得到奇异值分解降噪后的信号，求该信号的包络谱，由此进行强噪声背景下微弱特征信息的提取。仿真分析和滚动轴承内圈故障实例分析均较好地验证了设计的改进方法的有效性。 随机共振对强噪声背景下微弱特征信息提取是一种有效的方法。通过调节系统结构参数和噪声强度可以使随机共振达到最优。论文设计了基于奇异值分解调节噪声强度的随机共振方法。该方法首先利用奇异值分解对含噪信号降噪，当降噪后的信号中噪声强度和有用信息达到最佳匹配，输入双稳随机共振系统中，则输出响应可以达到最佳随机共振。工程实际采集到的信号通常为大参数、多频率含有直流分量的信号，利用随机共振方法进行检测时，干扰频率、直流分量等对有用信息的检测影响较多。为了减少这些影响，论文设计了基于EEMD高通滤波和级联双稳随机共振结合的微弱信号检测方法。该方法利用了EEMD的高通滤波特性，对分解得到的IMF去除掉小于特征频率的IMF，对剩余的每个IMF分量进行Elliptic高通滤波后重新合成信号，再对合成信号进行级联双稳随机共振处理，得到原始信号的特征频率。仿真和轴承内圈故障信号分析表明，该方法可以减少直流分量和干扰频率对有用信息提取的影响。 对于信噪比极低的微弱信号的检测，论文提出了一种级联分段线性随机共振的微弱信号增强检测方法。该方法采用分段线性随机共振模型，避免了连续双稳模型对强噪声下弱信号提取时存在的饱和现象。同时选用分段线性系统的级联方式，使高频噪声被有效滤掉，低频信号能量不断增强。仿真和滚动轴承故障信号的检测表明，该方法可以适应更低信噪比信号，参数调节方便，检测结果优于级联双稳系统。
【关键词】：奇异值分解差分谱 LMD 随机共振 高通滤波器 分段线性系统 故障特征提取
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-19
• 1.1 课题研究的背景及意义10-11
• 1.2 机械故障微弱信号特征提取方法11-17
• 1.2.1 时频分析方法的研究进展11-13
• 1.2.2 奇异值分解研究进展13-15
• 1.2.3 随机共振的研究进展15-17
• 1.3 本文研究主要内容及结构安排17-18
• 1.4 本章小结18-19
• 2 奇异值分解及奇异值差分谱的基本理论19-30
• 2.1 引言19
• 2.2 奇异值分解基本理论19-22
• 2.2.1 奇异值分解定义19-21
• 2.2.2 奇异值分解的性质和意义21-22
• 2.3 奇异值差分谱理论及有效奇异值选择方法22-28
• 2.3.1 奇异值差分谱基本理论22-24
• 2.3.2 基于奇异值差分谱的奇异值选择方法仿真分析24-28
• 2.4 本章小结28-30
• 3 基于 LMD 和奇异值差分谱的故障特征提取方法研究30-41
• 3.1 引言30
• 3.2 LMD 基本原理及方法30-33
• 3.3 基于 LMD 分解和奇异值差分谱的故障特征提取方法33-34
• 3.4 轴承故障特征提取应用34-40
• 3.5 本章小结40-41
• 4 基于奇异值分解噪声调节的双稳随机共振检测方法41-56
• 4.1 引言41
• 4.2 连续双稳随机共振原理41-50
• 4.2.1 朗之万方程41-43
• 4.2.2 福克—普朗克方程43
• 4.2.3 双稳系统随机共振模型43-46
• 4.2.4 周期信号驱动的双稳随机共振46-47
• 4.2.5 输出信噪比与参数的关系47-50
• 4.3 基于 SVD 噪声调谐的随机共振信号检测方法研究50-55
• 4.3.1 双稳系统随机共振仿真分析50-51
• 4.3.2 基于 SVD 噪声调节的随机共振信号检测方法研究51-55
• 4.4 本章小结55-56
• 5 EEMD 和级联双稳随机共振的机械故障提取方法研究56-65
• 5.1 引言56
• 5.2 EEMD 高通滤波原理56-58
• 5.3 仿真信号分析及不足58-59
• 5.4 基于 EEMD 和 CBSR 的微弱信号增强检测方法59-60
• 5.5 机械故障特征提取验证60-63
• 5.6 结论63-65
• 6 级联分段线性随机共振的微弱信号检测方法研究65-78
• 6.1 引言65
• 6.2 分段线性随机共振原理65-72
• 6.2.1 分段线性系统模型65-67
• 6.2.2 分段线性系统求解67-69
• 6.2.3 分段线性系统参数调节69-72
• 6.3 分段线性随机共振仿真分析72-75
• 6.3.1 强噪声背景下仿真信号分析72-73
• 6.3.2 级联分段线性模型仿真分析73-75
• 6.4 机械故障特征提取实例75-77
• 6.5 本章小结77-78
• 7 总结与展望78-80
• 参考文献80-87
• 攻读硕士学位期间发表的论文及所取得的研究成果87-88
• 致谢88-89

【相似文献】

中国期刊全文数据库 前10条

1 刘琦;张引;叶修梓;俞荣栋;;基于奇异值分解的RNA二级结构相似度计算方法[J];浙江大学学报(工学版);2007年08期

2 訾方;张科;赵大炜;刘冬;;基于模极大值矩阵奇异值分解的信号特征提取与分类识别[J];弹箭与制导学报;2004年S6期

3 吴定海;张培林;张英堂;任国全;徐超;;基于时频奇异谱的柴油机缸盖振动信号特征提取研究[J];振动与冲击;2010年09期

4 罗忠亮;林土胜;杨军;赵晓芳;;基于EMD和SVD的虹膜特征提取及识别[J];华南理工大学学报(自然科学版);2011年02期

5 杜林;戴斌;陆国俊;孙才新;王有元;;基于S变换局部奇异值分解的过电压特征提取[J];电工技术学报;2010年12期

6 王敏;尹政兴;李汉强;;基于小波变换和奇异值的人脸特征提取[J];中国水运(理论版);2006年03期

7 刘建国;李志舜;;基于连续小波变换的湖底回波特征提取[J];西北工业大学学报;2006年01期

8 吕勇;李友荣;王志刚;朱瑞荪;;基于奇异值分解及包络分析的齿轮局部故障特征提取[J];机床与液压;2007年05期

9 韩延彬;李金屏;;一种基于局部特征的人脸识别方法[J];济南大学学报(自然科学版);2007年01期

10 陈东晓;陈庆奎;;基于密度优化的KNN算法的研究[J];上海理工大学学报;2010年05期

中国重要会议论文全文数据库 前10条

1 廖海斌;王宏勇;;基于灰色理论的人脸图像特征融合识别[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

2 岳红;蒋慰孙;;基于奇异值分解的改进Bayes集员辨识递推算法[A];1995中国控制与决策学术年会论文集[C];1995年

3 张友民;陈洪亮;戴冠中;;基于奇异值分解的固定区间平滑新方法[A];1995年中国控制会议论文集（上）[C];1995年

4 曾建国;陈光梦;;基于张量分解的动态纹理合成技术研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

5 吴晓颖;吴俊;董滨江;;TK方法在γ谱分析中的应用[A];第7届全国核电子学与核探测技术学术年会论文集（三）[C];1994年

6 王修运;柏森;李秀;刘阳;粘永健;;基于图像直方图不变矩和奇异值分解的图像认证方法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

7 徐慧英;朱信忠;赵建民;殷建平;;基于分块奇异值分解的数字水印算法及实现[A];2005年全国理论计算机科学学术年会论文集[C];2005年

8 李蓓;金聪;;基于奇异值分解的数字水印算法[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

9 曾亮;;时变参数的全最小二乘递推辨识法[A];1996中国控制与决策学术年会论文集[C];1996年

10 杨莲;杨虎;;关于泛岭估计的影响分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

中国重要报纸全文数据库 前10条

1 燕海霞；王忆勤；李福凤;脉象信号研究日渐深入[N];中国医药报;2005年

2 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年

3 王竣;深入开发CAD系统对疾病诊断有重要意义[N];中国医药报;2007年

4 北京数码空间信息技术有限公司技术总监 刘斌;Web Mining：第二代网络信息处理技术[N];计算机世界;2000年

5 上海 高博;让电脑“听懂”人话[N];电脑报;2008年

6 记者 何腾江　通讯员 周汇成;验钞新技术通过鉴定[N];中山日报;2008年

7 中科院自动化所 何鹏 陶建华 谭铁牛;看懂人的“脸色”[N];计算机世界;2005年

8 张东方;沙明;杨松松;人工神经网络在中药领域中的应用[N];中国医药报;2003年

9 东莞市神州视觉科技有限公司总经理 潘恒义;避免价格战在AOI市场重演[N];中国电子报;2007年

10 孙哲南　谭铁牛;生物识别的十大关键技术[N];计算机世界;2007年

中国博士学位论文全文数据库 前10条

1 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

2 赵艳菊;强噪声背景下机械设备微弱信号的提取与检测技术研究[D];天津大学;2009年

3 李兆飞;振动故障分形特征提取及诊断方法研究[D];重庆大学;2013年

4 李强;基于振动信号的轮式机器人地面分类方法研究[D];哈尔滨工程大学;2013年

5 蒋永华;旋转机械非平稳信号微弱特征提取方法研究[D];重庆大学;2010年

6 刘艳艳;子空间特征提取方法及其在人脸识别中的应用[D];大连理工大学;2008年

7 赵玲;旋转机械系统故障特征提取中的分形方法研究[D];重庆大学;2010年

8 潘锋;特征提取与特征选择技术研究[D];南京航空航天大学;2011年

9 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年

10 朱启兵;基于小波理论的非平稳信号特征提取与智能诊断方法研究[D];东北大学;2006年

中国硕士学位论文全文数据库 前10条

1 高仕龙;基于二元树复小波变换的特征提取与识别[D];四川大学;2005年

2 王志武;强噪声背景下机械故障微弱信号特征提取方法研究[D];中北大学;2014年

3 隋广洲;基于若干代数特征的人脸识别算法研究[D];大连理工大学;2007年

4 李锋;控制系统传感器鲁棒故障检测方法研究[D];华北电力大学（河北）;2004年

5 龙开文;基于模板匹配的人脸检测[D];四川大学;2005年

6 廖文彬;基于矩阵奇异值分解的图像压缩方法研究[D];成都理工大学;2007年

7 刘春婷;电容层析成像系统的算法研究[D];沈阳工业大学;2004年

8 魏雪娟;基于傅立叶变换技术的人脸识别系统[D];四川大学;2005年

9 胡水清;基于ArcGIS Engine的铀成矿信息提取系统研发及应用[D];吉林大学;2005年

10 王桂臣;SVD揭示的热带印度洋海气变率及其与北半球环流变化的联系[D];南京信息工程大学;2006年

本文编号：682911