基于声音信号的故障诊断研究及应用

发布时间：2017-09-18 17:51

  本文关键词：基于声音信号的故障诊断研究及应用

  更多相关文章： 故障诊断 小波包分解 经验模态分解 类别增量学习 支持向量机 混合编程

【摘要】：近些年,基于声音信号的故障诊断技术被应用在多个领域,例如风机故障诊断、发动机故障诊断、放电故障诊断等。基于声信号的故障诊断应用繁多,其也逐渐成为故障诊断领域中的一个研究热点,并引起了诸多学者的关注。目前,基于声音信号的故障诊断研究仍存在一些问题,如：采集到的声信号信噪比较低、故障诊断分类器无法实现类别增量学习、大多故障诊断系统的应用太过局限等。针对以上问题,‘本文主要研究了诊断系统的滤波、信号特征提取以及信号的类别增量学习算法；所做工作如下：’首先,介绍了故障诊断的常用滤波方法。因采集的声信号信噪比较低,故本文对声信号的常用滤波算法进行了简单的介绍与分析,主要的滤波方法有：奇异值分解滤波、小波滤波、经验模态分解滤波。特别的,针对传统经验模态分解滤波存在的一些问题,本文对其进行了改进,增强了信号的滤波效果。其次,分别采用基于小波包分解能量、经验模态分解能量以及梅尔倒谱系数的特征提取方法对声信号进行特征提取,将得到的特征向量送入SVM分类器进行训练,诊断实验结果表明,基于上述特征的诊断系统拥有较高的诊断正确率。此外,一般的诊断系统不具备类别增量学习功能,本文对类别增量学习算法进行了探究。最后,开发了基于C、Matlab以及MS SQL的故障诊断平台。通过c与Matlab混编技术,可将Matlab中的算法函数在C环境下编译运行,大大节约了开发系统的时间,通过MS SQL数据库可对现场采集的数据进行简单管理,方便的实现用户对数据的查询、删除以及添加操作。
【关键词】：故障诊断 小波包分解 经验模态分解 类别增量学习 支持向量机 混合编程
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要8-9
• ABSTRACT9-11
• 第一章 绪论11-19
• 1.1 课题研究的背景和意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 故障信号的时域分析法13-14
• 1.2.2 故障信号的频域分析法14-15
• 1.2.3 故障信号的时频分析法15-16
• 1.3 存在的问题16-17
• 1.3.1 存在的主要问题16
• 1.3.2 未来的发展趋势16-17
• 1.4 论文的研究内容和结构安排17-19
• 第二章 声音信号的常用滤波方法19-39
• 2.1 奇异值分解滤波19-24
• 2.1.1 奇异值分解算法基本原理19-20
• 2.1.2 仿真实验20-24
• 2.2 小波闽值滤波24-28
• 2.2.1 小波变换基本原理24-25
• 2.2.2 小波阈值去噪基本原理25-26
• 2.2.3 仿真实验26-28
• 2.3 经验模态分解滤波28-37
• 2.3.1 EMD分解算法基本原理29-30
• 2.3.2 EMD滤波算法基本原理30-32
• 2.3.3 仿真实验32-37
• 2.4 本章小结37-39
• 第三章 声信号的SVM故障诊断39-55
• 3.1 基于声音信号的系统故障诊断过程简介39
• 3.2 声音信号的特征提取39-43
• 3.2.1 小波包分解能量特征40-41
• 3.2.2 经验模态分解能量特征41-42
• 3.2.3 基于梅尔倒谱系数的听觉特征42-43
• 3.3 支持向量机基本原理及分类器训练43-48
• 3.3.1 支持向量机基本原理43-48
• 3.3.2 分类器训练48
• 3.4 故障诊断实验结果对比48-51
• 3.5 类别增量学习51-53
• 3.6 本章小结53-55
• 第四章 诊断平台开发55-65
• 4.1 平台开发55-59
• 4.2 数据库设计59-63
• 4.2.1 SQL Sever与Matlab的数据通信59
• 4.2.2 故障诊断平台的数据库设计59-63
• 4.3 本章小结63-65
• 第五章 总结与展望65-67
• 5.1 论文工作总结65
• 5.2 工作展望65-67
• 参考文献67-71
• 致谢71-72
• 攻读学位期间发表的学术论文72-73
• 学位论文评阅及答辩情况表73

【相似文献】

中国期刊全文数据库 前10条

1 吴凡;;状态监测和故障诊断技术的现状与展望[J];国外电子测量技术;2006年03期

2 ;2011年第二十届测试与故障诊断技术研讨会征文通知[J];计算机测量与控制;2011年04期

3 师文谦;;浅谈计算机的故障诊断[J];计算技术与自动化;1986年03期

4 贾民平;机械故障诊断学的理论及其应用 第一讲 故障诊断的意义及研究发展概况[J];江苏机械制造与自动化;1999年01期

5 张峻宾;蔡金燕;;故障诊断与硬件演化的一体化设计[J];微电子学与计算机;2014年02期

6 张健成,周士昌,虞和济,丁相福,李国栋;故障诊断中的信息机制[J];基础自动化;2000年04期

7 田少民;工程机械的状态监测与故障诊断技术[J];工程机械;2001年01期

8 王敏,王万俊,熊春山,黄心汉;基于多传感器数据融合的故障诊断技术[J];华中科技大学学报;2001年02期

9 葛晓锋,陈素珊,何勇;基于图论和模糊数学的故障诊断新方法[J];浙江大学学报(农业与生命科学版);2001年04期

10 郭春,郭健;故障诊断的概率方法[J];计算机工程与科学;2001年04期

中国重要会议论文全文数据库 前10条

1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年

2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 李t，

本文编号：876991