基于机器学习的超高速碰撞振动波识别定位算法研究
发布时间：2021-07-08 14:43
近年来,高速或超高速碰撞定位已经在许多领域得到了广泛的应用,例如载人航天器、机器人、车辆、轮船的保护,机床摩擦碰撞损伤的检测和定位等。但是,对于碰撞表面振动信号处理,传统方法通常只能处理低速的碰撞,而对于高速碰撞的相关识别定位算法还比较缺乏。本文选用的对象为铝板,采集了高速或超高速碰撞表面振动信号,提出了有效的识别定位算法,拟实现高速或超高速碰撞的振源准确识别和精确定位。本篇论文主要的研究成果有:（1）分析了振动信号在碰撞固体表面的传播特性,研究了三种不同碰撞类型的表面振动信号能量分布,以及不同距离下表面振动信号能量分布。基于小波时尺图表征信号能量分布不同的原理,提出了多尺度离散小波变换特征（Multi-scale Discrete Wavelet Transform,MDWT）提取算法。MDWT特征可同时适用于高速/超高速碰撞表面振动信号的表征。将k近邻算法（k-Nearest Neighbor,KNN）作为准确高效的分类器和核极限学习机（Kernel Extreme Learning Machine,KELM）算法作为回归模型训练算法,提出了 MDWT+KNN+KELM的振动信号识...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
碰撞振动信号时尺
杭州电子科技大学硕士学位论文图2.2:碰撞振动信号识别定位算法整体流程图.由距离回归模型对振动信号的特征向量F进行回归预测得到振源估计距离，根据得到的四个估计距离，基于传感器分布特性，利用四圆质心定位算法(FCL)得到振源的具体位置(x,y)，结合上一步得到的分类结果，输出最终的识别的类型和精确定位结果，最终实现未知表面振动信号的识别定位。整个流程的关键是基于振动信号的时频分析的特征提取算法和构建分类、回归模型的机器学习算法的选择与优化，本章剩余内容对这两部分重点介绍。2.3振动信号的分法高速或超高速碰撞表面所产生的振动信号是非平稳信号。振动信号的传统分析方法一般是波形图、频谱分析、传递函数分析、相关分析、自相关分析、包络分析等，然后将比较直观的统计信息作为特征，如信号时域、频域和幅域参数包括均值、最大值、最小值、斜度、峭度、均方根值等。与普通的非平稳信号的分析一样，主要是对信号进行时频分析[40][41][42]。时频分析的基本思想是：将一维的时域信号通过时频变换方法，转换到时间与频率的二维平面，时频变换方法的主要方法是设计时间和频率的联合函数，用它同时描述信号在不同时间和频率的能量密度或强度。[38][39]。2.3.1变换在振动信号处理技术中，傅里叶变换是一种常见的信号时频分析方法[47][48]。1946年，GaborD.提出了短时傅里叶变换（Short-timeFouriertransform，简称STFT），该变换是将信号的时域和频域结合起来分析，其变换结果既反映了信号的频率内容，又反映了频率内容随时间变化的规律。短时傅里叶变换的过程为：用一个窗函数与时间域的信号做积运算，窗内的信号可近似看作平稳信号，正是基于此，后面的傅里叶变换才具有了实际物理意义，然后-10-
杭州电子科技大学硕士学位论文在窗内进行傅里叶变换，得到信号的瞬时频谱。随着截取窗在时间轴上移动，得到整个时间域上的频谱[49]。短时傅里叶变换的表达式为：S(ω,τ)=∫+∞∞x(t)g(tτ)ejωxdt(2.1)式中，x(t)为待分析信号，为复共轭符号，g(t)为窗函数。短时傅里叶变化中，g(t)进行时域限制，ejωt进行频域限制。传统的振动信号分析方法是先利用傅里叶变换画出频谱图找出最大的频率分量以及主要的频率分布等，从而找到能表征这段信号的一些特征值。也有一部分研究人员将原始振动信号切成多个小段，再依次进行统计分析找到特征值表征该段信号。还有从功率谱的方向来研究，功率谱一般是由幅值谱的平方计算得来，也可以通过傅里叶变换的自相关函数得到，然后找到表征信号的特征值。在本文中碰撞固体表面振动信号的短时傅里叶变换的时频图，如图2.3所示，本文是基于此时频图来提取出可表征碰撞固体表面振动信号的STFT特征，具体的提取方法见本文第三章第四小节。图2.3:碰撞振动信号短时傅里叶变换图.2.3.2分Wigner-Ville分布(简称WVD)，也叫维格纳分布，是典型的二次型变换[53]，它可定义为信号瞬时相关函数的傅立叶变换，反映了信号瞬时时频关系。WVD的定义是信号中心协方差函数的傅立叶变换，许多优良的性能能在WVD中得到体现，如对称性、时移性、复共扼关系等一些，这种变换不会损失信号的幅值信息与相位信息，-11-
【参考文献】：
期刊论文
[1]基于CEEMDAN的爆破地震波信号时频分析[J]. 孙苗,吴立,袁青,周玉纯,马晨阳,汪煜烽. 华南理工大学学报(自然科学版). 2020(03)
[2]基于时域和频域分析的滚动轴承故障诊断[J]. 程秀芳,王鹏. 华北理工大学学报(自然科学版). 2020(01)
[3]基于时域特征的滚动轴承寿命预测[J]. 戴邵武,陈强强,丁宇. 计算机测量与控制. 2019(10)
[4]太空旅游离我们越来越近[J]. Elizabeth K.Wilson. Engineering. 2019(05)
[5]基于频域特征和支持向量机的汽车水泵轴承故障诊断研究[J]. 唐静,王二化,朱俊,谭文胜. 机床与液压. 2018(13)
[6]不同摩擦状态下滑动轴承与转子碰撞振动提取研究[J]. 柳霆,孙逊,吴伋. 润滑与密封. 2018(06)
[7]小波分析在轴承故障诊断中的应用[J]. 耿嘉洁. 化工管理. 2017(32)
[8]压电式加速度传感器振动信号采集系统[J]. 高立慧,赵振刚,张长胜,李英娜,李川. 传感器与微系统. 2016(10)
[9]基于熵特征融合的拷贝检测方法研究[J]. 尚月赟,马龙飞,叶登攀. 计算机工程与应用. 2012(16)
[10]超高速碰撞喷出物气化与等离子体形成的物理机制[J]. 唐恩凌,唐伟富,相升海,李乐新,张薇,于辉,赵新颖. 强激光与粒子束. 2011(01)
博士论文
[1]基于声发射的典型结构空间碎片撞击在轨感知技术研究[D]. 张凯.哈尔滨工业大学 2015
硕士论文
[1]基于Voting融合算法的上证综指涨跌预测方案策划[D]. 金国鹏.上海师范大学 2019
本文编号：3271768
【文章来源】：杭州电子科技大学浙江省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
碰撞振动信号时尺
杭州电子科技大学硕士学位论文图2.2:碰撞振动信号识别定位算法整体流程图.由距离回归模型对振动信号的特征向量F进行回归预测得到振源估计距离，根据得到的四个估计距离，基于传感器分布特性，利用四圆质心定位算法(FCL)得到振源的具体位置(x,y)，结合上一步得到的分类结果，输出最终的识别的类型和精确定位结果，最终实现未知表面振动信号的识别定位。整个流程的关键是基于振动信号的时频分析的特征提取算法和构建分类、回归模型的机器学习算法的选择与优化，本章剩余内容对这两部分重点介绍。2.3振动信号的分法高速或超高速碰撞表面所产生的振动信号是非平稳信号。振动信号的传统分析方法一般是波形图、频谱分析、传递函数分析、相关分析、自相关分析、包络分析等，然后将比较直观的统计信息作为特征，如信号时域、频域和幅域参数包括均值、最大值、最小值、斜度、峭度、均方根值等。与普通的非平稳信号的分析一样，主要是对信号进行时频分析[40][41][42]。时频分析的基本思想是：将一维的时域信号通过时频变换方法，转换到时间与频率的二维平面，时频变换方法的主要方法是设计时间和频率的联合函数，用它同时描述信号在不同时间和频率的能量密度或强度。[38][39]。2.3.1变换在振动信号处理技术中，傅里叶变换是一种常见的信号时频分析方法[47][48]。1946年，GaborD.提出了短时傅里叶变换（Short-timeFouriertransform，简称STFT），该变换是将信号的时域和频域结合起来分析，其变换结果既反映了信号的频率内容，又反映了频率内容随时间变化的规律。短时傅里叶变换的过程为：用一个窗函数与时间域的信号做积运算，窗内的信号可近似看作平稳信号，正是基于此，后面的傅里叶变换才具有了实际物理意义，然后-10-
杭州电子科技大学硕士学位论文在窗内进行傅里叶变换，得到信号的瞬时频谱。随着截取窗在时间轴上移动，得到整个时间域上的频谱[49]。短时傅里叶变换的表达式为：S(ω,τ)=∫+∞∞x(t)g(tτ)ejωxdt(2.1)式中，x(t)为待分析信号，为复共轭符号，g(t)为窗函数。短时傅里叶变化中，g(t)进行时域限制，ejωt进行频域限制。传统的振动信号分析方法是先利用傅里叶变换画出频谱图找出最大的频率分量以及主要的频率分布等，从而找到能表征这段信号的一些特征值。也有一部分研究人员将原始振动信号切成多个小段，再依次进行统计分析找到特征值表征该段信号。还有从功率谱的方向来研究，功率谱一般是由幅值谱的平方计算得来，也可以通过傅里叶变换的自相关函数得到，然后找到表征信号的特征值。在本文中碰撞固体表面振动信号的短时傅里叶变换的时频图，如图2.3所示，本文是基于此时频图来提取出可表征碰撞固体表面振动信号的STFT特征，具体的提取方法见本文第三章第四小节。图2.3:碰撞振动信号短时傅里叶变换图.2.3.2分Wigner-Ville分布(简称WVD)，也叫维格纳分布，是典型的二次型变换[53]，它可定义为信号瞬时相关函数的傅立叶变换，反映了信号瞬时时频关系。WVD的定义是信号中心协方差函数的傅立叶变换，许多优良的性能能在WVD中得到体现，如对称性、时移性、复共扼关系等一些，这种变换不会损失信号的幅值信息与相位信息，-11-
【参考文献】：
期刊论文
[1]基于CEEMDAN的爆破地震波信号时频分析[J]. 孙苗,吴立,袁青,周玉纯,马晨阳,汪煜烽. 华南理工大学学报(自然科学版). 2020(03)
[2]基于时域和频域分析的滚动轴承故障诊断[J]. 程秀芳,王鹏. 华北理工大学学报(自然科学版). 2020(01)
[3]基于时域特征的滚动轴承寿命预测[J]. 戴邵武,陈强强,丁宇. 计算机测量与控制. 2019(10)
[4]太空旅游离我们越来越近[J]. Elizabeth K.Wilson. Engineering. 2019(05)
[5]基于频域特征和支持向量机的汽车水泵轴承故障诊断研究[J]. 唐静,王二化,朱俊,谭文胜. 机床与液压. 2018(13)
[6]不同摩擦状态下滑动轴承与转子碰撞振动提取研究[J]. 柳霆,孙逊,吴伋. 润滑与密封. 2018(06)
[7]小波分析在轴承故障诊断中的应用[J]. 耿嘉洁. 化工管理. 2017(32)
[8]压电式加速度传感器振动信号采集系统[J]. 高立慧,赵振刚,张长胜,李英娜,李川. 传感器与微系统. 2016(10)
[9]基于熵特征融合的拷贝检测方法研究[J]. 尚月赟,马龙飞,叶登攀. 计算机工程与应用. 2012(16)
[10]超高速碰撞喷出物气化与等离子体形成的物理机制[J]. 唐恩凌,唐伟富,相升海,李乐新,张薇,于辉,赵新颖. 强激光与粒子束. 2011(01)
博士论文
[1]基于声发射的典型结构空间碎片撞击在轨感知技术研究[D]. 张凯.哈尔滨工业大学 2015
硕士论文
[1]基于Voting融合算法的上证综指涨跌预测方案策划[D]. 金国鹏.上海师范大学 2019
本文编号：3271768
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3271768.html
