基于典型相关分析的多故障源盲分离方法研究

发布时间：2017-09-25 11:30

  本文关键词：基于典型相关分析的多故障源盲分离方法研究

  更多相关文章： 盲源分离 典型相关分析 核函数 小波分析 状态空间模型 规范变量分析 故障诊断 非线性相关源

【摘要】：本论文是在国家自然科学基金(51075372，51261024，51265039)，江西省教育厅科技计划项目(No. GJJ12405)、湖南科技大学机械设备健康维护重点实验室开放基金(201204)和江西省研究生创新基金项目(No. YC2013-S214)资助下展开研究。针对机械设备多故障源盲分离方法中存在的不足，本文将典型相关分析算法引用到机械设备的多故障源盲分离中，深入研究了基于典型相关分析的多故障源盲分离方法，并取得了很好的创新性成果。其主要内容包括以下几方面： 1.论述了机械设备多故障源盲分离研究的国内外研究现状和存在的不足，典型相关分析的国内外研究现状。对典型相关分析的理论，包括典型相关分析的数学描述，解析算法等给予描述，并在此基础上，给出了本课题的提出意义。 2.基于典型相关分析的独特特性，本论文将该理论引入到多故障复合诊断中，提出一种基于典型相关分析的机械设备多故障源盲分离方法，同时，与传统的基于独立分量分析的多故障源盲分离方法进行了对比分析。传统的机械故障源盲分离方法只考虑样本值的统计分布，没有考虑源信号之间的时间和空间关系，而提出的方法很好地克服了此不足，利用了源信号的自相关关系来进行盲源分离。仿真结果表明，提出的方法取得了满意的分离效果，并且具有很高的的计算效率，分离速度要快于传统的盲源分离方法。最后，将提出的方法应用到轴承故障盲分离中，实验结果进一步验证了提出的方法的有效性。 3．针对传统的相关源盲分离方法的不足，提出了一种基于核典型相关分析的非线性相关源盲分离方法。该方法是利用了核方法来处理数据之间的非线性问题，同时还利用信号源之间的相关性来进行分离。提出的方法与传统的相关源盲分离方法进行对比分析。仿真结果表明，提出的方法明显优于传统的相关源盲分离方法，并从分离性能指标上得到了充分的反映。最后，将该方法应用到转子不对中和碰摩故障的盲分离中，实验结果进一步验证了该方法的有效性。 4.结合小波分析和核典型相关分析(kernel canonical correlation analysis,KCCA)各自的特点，提出一种基于小波-KCCA机械故障非线性欠定盲源分离方法。提出的方法的基本思想是利用小波分析对观测信号进行分解，将分解后的小波系数与原来的观测信号重新组合，构成新的观测信号，从而将欠定盲分离转换为超定或正定盲分离。然后把新的非线性观测信号从低维空间映射到高维核特征空间，将非线性盲源分离问题转化为特征空间中的线性盲源分离问题，最后用典型相关分析对混合信号进行盲源分离，得到源信号的估计。仿真结果表明，与传统的非线性盲分离方法相比较，，提出的方法具有明显的优势，得到了满意的分离效果。最后，轴承内外圈故障非线性欠定混合盲分离实验进一步验证了小波-KCCA方法的有效性。 5.动态盲源分离问题是多故障源盲分离的一个热点。传统的机械故障源分离方法要求满足统计特征保持稳定，且混合系统保持不变等假设，且忽略了时序信息。针对此不足，结合规范变量分析(CVA)和独立分量分析(ICA)，提出了一种基于CVA-ICA的机械多故障源动态盲分离方法。该方法的基本思想是将源信号看成状态空间的状态变量，观测信号看成状态空间的输出变量，从而将动态混合盲源分离问题转化为状态空间盲源分离问题，利用规范变量分析作为降维工具来构造状态空间，然后再利用传统的ICA算法对规范的观测信号进行盲源分离。仿真研究表明，在处理动态混合的盲分离中，提出的方法明显优于静态ICA方法，取得了满意的分离效果。最后，将该方法应用到滚动轴承内圈和滚动体的故障盲分离中，实验结果进一步验证了该方法的有效性。
【关键词】：盲源分离 典型相关分析 核函数 小波分析 状态空间模型 规范变量分析 故障诊断 非线性相关源
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN911.7;TH165.3
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-21
• 1.1 课题的提出及其意义11-13
• 1.2 机械设备多故障源盲分离的研究现状13-15
• 1.3 典型相关分析的国内外研究及其应用现状15-18
• 1.4 论文的主要内容与创新之处18-20
• 1.4.1 主要内容18-20
• 1.4.2 关键问题及创新点20
• 1.5 本章小结20-21
• 第2章 基于 CCA-BSS 的机械故障源盲分离方法研究21-32
• 2.1 概述21-22
• 2.2 典型相关分析理论22-25
• 2.2.1 典型相关分析的数学描述22-23
• 2.2.2 典型相关分析的求解23-24
• 2.2.3 相关与互信息之间的关系24-25
• 2.3 CCA-BSS 方法25-26
• 2.4 仿真研究26-28
• 2.5 实验研究28-30
• 2.6 本章小结30-32
• 第3章 基于 KCCA-BSS 的非线性相关源分离方法研究32-42
• 3.1 概述32-33
• 3.2 KCCA 算法33-34
• 3.3 KCCA-NCBSS 方法34-35
• 3.4 仿真研究35-39
• 3.5 实验研究39-40
• 3.6 本章小结40-42
• 第4章 基于小波-KCCA 的非线性欠定盲分离方法研究42-51
• 4.1 概述42-43
• 4.2 小波变换43-44
• 4.3 小波-KCCA 非线性欠定盲源分离算法44-46
• 4.4 仿真研究46-48
• 4.5 实验研究48-50
• 4.6 本章小结50-51
• 第5章 基于 CVA-ICA 的动态盲源分离方法研究51-60
• 5.1 概述51
• 5.2 CVA-ICA 的动态盲源分离算法51-54
• 5.3 仿真研究54-57
• 5.4 实验研究57-59
• 5.5 本章小结59-60
• 第6章 总结与展望60-63
• 6.1 总结60-61
• 6.2 展望61-63
• 参考文献63-68
• 攻读硕士学位期间发表的论文和参加科研情况68-69
• 致谢69-70

【参考文献】

中国期刊全文数据库 前10条

1 许东;刘浩伟;段s

本文编号：917039