欠定盲源分离算法及其在机械故障诊断中的应用研究

发布时间：2017-06-15 09:08

  本文关键词：欠定盲源分离算法及其在机械故障诊断中的应用研究，由笔耕文化传播整理发布。

【摘要】：机械设备振动信号是判断其运行状态的重要信息来源,有效的故障诊断与监测是现代工业发展的迫切需要。然而,工业生产环境通常比较恶劣,在采集振动信号时,常常包含大量的干扰噪声,且存在多种故障源相互耦合的情况,使得机械设备不同故障特征信号及噪声之间在频带上相互混叠,致使机械故障振动信号特征识别极其困难。同时,机械设备发生故障时的振动信号表现出非平稳和非高斯特性,导致了传统的时频分析方法并不适用。盲源分离技术为机械故障源信号分离提供了良好的解决途径,其可仅凭借独立源假设,就从观测信号中提取出源信号。但传统的盲源分离算法不适用于观测信号数目小于源信号数目的欠定情况,因此,为了满足实际工程需要,研究有效的欠定盲源分离算法是机械设备状态监测与故障诊断领域中的重要研究方向。本文以研究盲源分离理论为基础,分析了几种常用的独立分量分析方法,验证了鲁棒性独立分量分析法的良好性能。然后,针对现实噪声背景下的机械复合故障振动信号的分离与提取问题,建立了欠定盲源分离模型。通过引入模态分解概念,实现了信号的升维,将欠定盲源分离问题进行转化,并应用降噪预处理算法对含噪信号进行降噪处理,提高了信号信噪比,从而使其满足盲源分离基本假设条件,并在此基础上提出了基于模态分解与降噪预处理相结合的欠定盲源分离算法,通过理论研究与实验仿真相结合的方式对算法的有效性进行验证,为噪声背景下的机械复合故障信号的欠定盲源分离问题提供了一种有效的解决方法。最后,将基于模态分解与降噪预处理的欠定盲源分离算法应用于实际滚动轴承内圈、外圈复合故障数据,成功地提取出了故障特征信号,实现了故障的准确诊断,具有重要的工程意义和理论研究价值。
【关键词】：欠定盲源分离 模态分解 时频降噪 滚动轴承 故障诊断
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7;TH17
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-17
• 1.1 课题研究背景与意义11-12
• 1.2 盲源分离算法的研究现状12-14
• 1.2.1 欠定盲源分离算法研究现状12-13
• 1.2.2 噪声背景下的盲源分离算法研究现状13-14
• 1.3 盲源分离算法在机械故障诊断中的应用现状14
• 1.4 本文的主要研究工作14-17
• 第二章 盲源分离技术的理论基础17-33
• 2.1 引言17
• 2.2 概率论基础17-19
• 2.2.1 矩17-18
• 2.2.2 累积量18-19
• 2.3 信息论基础19-20
• 2.3.1 熵19
• 2.3.2 负熵19
• 2.3.3 互信息19-20
• 2.4 盲源分离理论模型及算法20-23
• 2.4.1 线性瞬时混合模型20-21
• 2.4.2 独立分量分析基本原理21
• 2.4.3 独立性度量准则21-23
• 2.4.3.1 非高斯性极大21-22
• 2.4.3.2 互信息最小22-23
• 2.5 ICA的不确定性23
• 2.6 ICA的预处理方法23-25
• 2.6.1 中心化23
• 2.6.2 白化处理23-24
• 2.6.3 实验仿真24-25
• 2.7 ICA分离性能指标25-26
• 2.7.1 相似系数25
• 2.7.2 性能指数25
• 2.7.3 信噪比评价标准25-26
• 2.8 几种常用的ICA方法简介26-32
• 2.8.1 快速独立分量分析算法26-27
• 2.8.1.1 基于峭度的快速独立分量分析法26
• 2.8.1.2 基于负熵的快速独立分量分析法26-27
• 2.8.2 鲁棒性独立分量分析算法27-29
• 2.8.3 仿真研究：几种典型的盲源分离算法分离性能对比仿真29-32
• 2.9 本章小结32-33
• 第三章 欠定混合盲源分离技术33-53
• 3.1 引言33
• 3.2 欠定盲源分离模型及算法33-35
• 3.2.1 欠定盲源分离模型33-34
• 3.2.2 欠定盲源分离的算法研究及其局限性34
• 3.2.3 单一通道盲源分离算法34-35
• 3.3 欠定情况下的源数估计方法35-38
• 3.3.1 基于SVD的源数估计法的原理35-36
• 3.3.2 基于IMF-SVD的源数估计法36
• 3.3.3 算法仿真36-38
• 3.4 基于模态分解的欠定盲源分离算法38-51
• 3.4.1 模态分解算法39-42
• 3.4.1.1 经验模态分解39-40
• 3.4.1.2 局域均值分解40-41
• 3.4.1.3 变模态分解41-42
• 3.4.1.4 多分辨奇异值分解42
• 3.4.2 仿真研究42-51
• 3.4.2.1 仿真一：基于EMD、LMD、VMD或MRSVD的盲源分离算法分离性能仿真分析42-48
• 3.4.2.2 仿真二：噪声对EMD、LMD、VMD或MRSVD算法分离性能的影响48-51
• 3.5 本章小结51-53
• 第四章 噪声环境下的盲源分离技术53-67
• 4.1 引言53
• 4.2 噪声环境下的盲源分离模型及算法53-54
• 4.2.1 噪声环境下的盲源分离算法模型53-54
• 4.2.2 解决噪声对盲源分离算法影响的方法54
• 4.3 时频分析降噪方法54-57
• 4.3.1 小波降噪法54-55
• 4.3.2 EMD降噪法55
• 4.3.3 SVD降噪法55-56
• 4.3.4 有效奇异值分解微弱特征提取法56
• 4.3.5 形态奇异值滤波特征提取法56-57
• 4.4 仿真研究57-64
• 4.4.1 仿真一：输入噪声信噪比对降噪性能的影响57-58
• 4.4.2 仿真二：小波、EMD、SVD、SVD-MF和ESVD在强噪声背景下对微弱信号的提取仿真58-59
• 4.4.3 仿真三：基于降噪预处理的盲源分离仿真分析59-63
• 4.4.4 仿真四：输入信噪比对基于降噪预处理的盲源分离算法分离性能影响63-64
• 4.5 本章小结64-67
• 第五章 欠定盲源分离技术在机械故障诊断中的应用研究67-79
• 5.1 引言67
• 5.2 轴承振动信号特征分析67-69
• 5.3 现代机械故障诊断研究发展概况69
• 5.4 基于模态分解和降噪预处理的欠定盲源分离技术在机械故障诊断中的应用研究69-72
• 5.5 仿真研究72-78
• 5.5.1 仿真一：基于模态分解和降噪预处理的欠定盲源分离仿真72-74
• 5.5.2 仿真二：噪声背景下滚动轴承内、外圈复合故障诊断应用实例74-78
• 5.6 本章小结78-79
• 第六章 总结与展望79-81
• 6.1 本文工作总结79-80
• 6.2 研究展望80-81
• 致谢81-83
• 参考文献83-89
• 附录A (攻读硕士学位期间发表论文及申请软著目录)89-91
• 附录B (攻读硕士学位期间获奖情况目录)91

【相似文献】

中国期刊全文数据库 前10条

1 林秋华,殷福亮;盲源分离自适应算法的统一形式[J];大连理工大学学报;2002年04期

2 李广彪;张剑云;;基于变步长等变化自适应盲源分离算法[J];电子信息对抗技术;2006年01期

3 苏中元;贾民平;;周期平稳信号盲源分离算法及其应用[J];机械工程学报;2007年10期

4 陈锡明;黄硕翼;;盲源分离综述——问题、原理和方法[J];电子信息对抗技术;2008年02期

5 刘秀芳;艾延廷;张[，

本文编号：452017