基于时频图像和多层次稀疏编码的旋转机械振动信号细粒度故障识别算法研究
发布时间：2021-07-04 07:27
旋转机械细粒度故障智能诊断是现代工业领域中不可或缺的一项工作。考虑到旋转机械一维振动信号是复杂和非平稳的,本文结合信号的时频分析理论、深度半负矩阵分解（Deep Semi-NMF）和多层级联细粒度故障检测模型,提出了基于时频图像和多层次稀疏编码的细粒度故障级联检测框架。该框架分为时频图像构建、多层次稀疏编码和多层级联分类模型三部分,用以实现旋转机械故障的细粒度故障识别。由于传统时频分析方法的聚焦性不强和交叉项较严重等问题,利用S变换（ST）理论和多次同步压缩理论,提出了新颖的多次同步压缩S变换（MSSST）时频算法,并结合非局部均值（NLM）去噪算法来构建旋转机械一维振动信号的时频图像。该算法通过多次迭代压缩S变换,使得S变换的时频系数得到了多次重分配,这样大大提高了时频系数的聚焦性。在仿真实验中,通过与短时傅里叶变换（STFT）、ST、同步压缩变换（SST）、二阶同步压缩变换（SST2）和多次同步压缩变换（MSST）算法进行对比实验,MSSST时频图像视觉效果要优于其他时频图像,MSSST生成的时频图像对应的熵值为0.4938,均小于其他时频图像,并且MSSST算法只需迭代压缩3次即...
【文章来源】：湖北工业大学湖北省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
论文总体结构
湖北工业大学硕士学位论文122.1.1NLM去噪算法的基本理论一维NLM算法主要思想是：在一维信号中用固定的搜索窗口来滑动搜索所有与目标信号块s0相似的信号块s1,s2,s3…sn，然后将其加权平均即可得到目标块的估计值，如图2.1所示。其计算公式如下[49]：0000()0()1(,)()()(,)iiiisMsisMsswsssNsNswss（2-1）式中：0s表示目标信号块s0中心的估计值，0(,)iwss表示信号块si与信号块s0的相似程度，N(s)表示所有相似信号块的相似程度之和。其中相似度(权重)的计算方式如下：2002(,)(,)exp()2iiDdsswssL（2-2）式中：表示滤波器的参数，D表示以s0为中心的目标信号块，DL表示以si为中心的一个相似信号块，20(,)idss表示两个相似块间的逐点差的平方（权重）。图2.1NLM算法示意图2.1.2NLM基本参数设置对于二维图像而言，NLM算法的目的是通过一定区域内的相似块来恢复指定像素块的像素值，其具体过程是在整幅图像中通过搜素窗口找到与指定像素块相似的区域块，然后，通过权重求解相似区域块与目标区域块的权重值，最后，平均得到指定区域的像素值。受到二维图像NLM去噪过程的启发，对于旋转机械一维振动信号，也提出了对应的相关参数设定。假设需要恢复的信号块为s0，NLM算法在求解过程中用到的主要参数为：搜索区域半宽R，信号块半宽K和滤波参数。相似信号块si与目标信号块s0之间通过区域搜索可以得到，信号块si和s0具有相同的宽度，可以通过w(s0,si)来计算它们之间的相似度。在指定的区域内，
湖北工业大学硕士学位论文13搜索出所有与目标块相似的信号块，求解它们之间的相似度，然后平均即可求出目标块s0的估计值。图2.2显示了NLM算法的相关参数示意图。图2.2NLM算法的参数示意(1)结构块参数设置目标信号块的宽度D是NLM算法中的一个非常重要的参数，从图中可以看出D=2K+1，K为信号块半宽。它直接决定着目标信号块的大小，同时也决定了搜索窗口的尺寸，因此，宽度D的取值要与具体情况相适应。如果宽度D选取过大，则目标信号块包含的信息过于复杂，导致在搜索过程中得到的相似信号块不足，最后导致参与计算的相似信号块不足，从而计算得平均值不能充分反映目标信号块的细节部分，且达不到去噪的效果。如果D选取过小，在搜索的过程中会得到大量的相似信号块，导致最后的计算量过大，由于噪声随机性太大，搜索到的相似信号块不具有特殊性，从而不能计算出原始信号的细节部分。一个合适的D直接决定去噪性能，对于一维的振动信号，宽度D的取值可以由经验公式可得，公式[49]如下：int[0.5(1)]sbfDf(2-3)式中：sf为采样频率，单位Hz；bf为典型波形频率，单位Hz，即理论故障计算频率；int()àdk为取整函数。(2)搜索域参数设置搜索域宽度M=2R+1直接影响着搜索区域的范围大小，搜索域宽度M的合理取值也至关重要。理论上搜索域宽度M越大越好，但是宽度M过大，直接导致搜索计算量成倍增加，实际搜索过程很难进行。根据相关经验可知，对于信号长度N<4000时，尽量让搜索域宽度M覆盖整个信号，充分利用一段信号自身的冗余信息达到去噪的效果；对于信号长度N>4000时，综合考虑计算量的情况，搜索域宽度M取0.25N~0.33N之间，使得最终参与计算的相似信号块数量也足以满足求解的需要，同时计算量也合适，且最终对实验结果影响也
【参考文献】：
期刊论文
[1]时间域和频率域二阶同步压缩变换及其在储层识别中的应用[J]. 李振春,孙苗苗,王姣,刘延利,杨国权,李庆洋,杨博. 中国石油大学学报(自然科学版). 2019(03)
[2]基于振动时频图像全局和局部特征融合的柴油机故障诊断[J]. 牟伟杰,石林锁,蔡艳平,郑勇,刘浩. 振动与冲击. 2018(10)
[3]基于EEMD和改进的形态滤波方法的轴承故障诊断研究[J]. 沈长青,谢伟达,朱忠奎,刘方,黄伟国,孔凡让. 振动与冲击. 2013(02)
[4]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
[5]基于改进Hilbert-Huang变换的机械故障诊断[J]. 雷亚国. 机械工程学报. 2011(05)
[6]基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用[J]. 皮维,于德介,彭富强. 机械工程学报. 2010(15)
[7]基于提升多小波的机电设备复合故障分离和提取[J]. 袁静,何正嘉,訾艳阳. 机械工程学报. 2010(01)
[8]一种基于瞬时能量分布特征的汽轮发电机组转子故障诊断新方法[J]. 曹冲锋,杨世锡,杨将新. 振动与冲击. 2009(03)
[9]几种时频分析方法比较[J]. 陈雨红,杨长春,曹齐放,李波涛,尚永生. 地球物理学进展. 2006(04)
[10]基于EMD和功率谱的齿轮故障诊断研究[J]. 李辉,郑海起,唐力伟. 振动与冲击. 2006(01)
博士论文
[1]基于时频图像识别的旋转机械多特征融合故障诊断方法研究[D]. 王维刚.哈尔滨工业大学 2016
硕士论文
[1]非负矩阵分解及其在多谱信号处理中的应用[D]. 黄司辉.广东工业大学 2018
[2]基于深度学习的旋转机械轴心轨迹细粒度识别算法研究[D]. 艾成汉.湖北工业大学 2018
[3]非局部均值滤波算法及其在滚动轴承故障诊断中的应用研究[D]. 祝青林.武汉科技大学 2015
本文编号：3264329
【文章来源】：湖北工业大学湖北省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
论文总体结构
湖北工业大学硕士学位论文122.1.1NLM去噪算法的基本理论一维NLM算法主要思想是：在一维信号中用固定的搜索窗口来滑动搜索所有与目标信号块s0相似的信号块s1,s2,s3…sn，然后将其加权平均即可得到目标块的估计值，如图2.1所示。其计算公式如下[49]：0000()0()1(,)()()(,)iiiisMsisMsswsssNsNswss（2-1）式中：0s表示目标信号块s0中心的估计值，0(,)iwss表示信号块si与信号块s0的相似程度，N(s)表示所有相似信号块的相似程度之和。其中相似度(权重)的计算方式如下：2002(,)(,)exp()2iiDdsswssL（2-2）式中：表示滤波器的参数，D表示以s0为中心的目标信号块，DL表示以si为中心的一个相似信号块，20(,)idss表示两个相似块间的逐点差的平方（权重）。图2.1NLM算法示意图2.1.2NLM基本参数设置对于二维图像而言，NLM算法的目的是通过一定区域内的相似块来恢复指定像素块的像素值，其具体过程是在整幅图像中通过搜素窗口找到与指定像素块相似的区域块，然后，通过权重求解相似区域块与目标区域块的权重值，最后，平均得到指定区域的像素值。受到二维图像NLM去噪过程的启发，对于旋转机械一维振动信号，也提出了对应的相关参数设定。假设需要恢复的信号块为s0，NLM算法在求解过程中用到的主要参数为：搜索区域半宽R，信号块半宽K和滤波参数。相似信号块si与目标信号块s0之间通过区域搜索可以得到，信号块si和s0具有相同的宽度，可以通过w(s0,si)来计算它们之间的相似度。在指定的区域内，
湖北工业大学硕士学位论文13搜索出所有与目标块相似的信号块，求解它们之间的相似度，然后平均即可求出目标块s0的估计值。图2.2显示了NLM算法的相关参数示意图。图2.2NLM算法的参数示意(1)结构块参数设置目标信号块的宽度D是NLM算法中的一个非常重要的参数，从图中可以看出D=2K+1，K为信号块半宽。它直接决定着目标信号块的大小，同时也决定了搜索窗口的尺寸，因此，宽度D的取值要与具体情况相适应。如果宽度D选取过大，则目标信号块包含的信息过于复杂，导致在搜索过程中得到的相似信号块不足，最后导致参与计算的相似信号块不足，从而计算得平均值不能充分反映目标信号块的细节部分，且达不到去噪的效果。如果D选取过小，在搜索的过程中会得到大量的相似信号块，导致最后的计算量过大，由于噪声随机性太大，搜索到的相似信号块不具有特殊性，从而不能计算出原始信号的细节部分。一个合适的D直接决定去噪性能，对于一维的振动信号，宽度D的取值可以由经验公式可得，公式[49]如下：int[0.5(1)]sbfDf(2-3)式中：sf为采样频率，单位Hz；bf为典型波形频率，单位Hz，即理论故障计算频率；int()àdk为取整函数。(2)搜索域参数设置搜索域宽度M=2R+1直接影响着搜索区域的范围大小，搜索域宽度M的合理取值也至关重要。理论上搜索域宽度M越大越好，但是宽度M过大，直接导致搜索计算量成倍增加，实际搜索过程很难进行。根据相关经验可知，对于信号长度N<4000时，尽量让搜索域宽度M覆盖整个信号，充分利用一段信号自身的冗余信息达到去噪的效果；对于信号长度N>4000时，综合考虑计算量的情况，搜索域宽度M取0.25N~0.33N之间，使得最终参与计算的相似信号块数量也足以满足求解的需要，同时计算量也合适，且最终对实验结果影响也
【参考文献】：
期刊论文
[1]时间域和频率域二阶同步压缩变换及其在储层识别中的应用[J]. 李振春,孙苗苗,王姣,刘延利,杨国权,李庆洋,杨博. 中国石油大学学报(自然科学版). 2019(03)
[2]基于振动时频图像全局和局部特征融合的柴油机故障诊断[J]. 牟伟杰,石林锁,蔡艳平,郑勇,刘浩. 振动与冲击. 2018(10)
[3]基于EEMD和改进的形态滤波方法的轴承故障诊断研究[J]. 沈长青,谢伟达,朱忠奎,刘方,黄伟国,孔凡让. 振动与冲击. 2013(02)
[4]机械故障诊断基础研究“何去何从”[J]. 王国彪,何正嘉,陈雪峰,赖一楠. 机械工程学报. 2013(01)
[5]基于改进Hilbert-Huang变换的机械故障诊断[J]. 雷亚国. 机械工程学报. 2011(05)
[6]基于多尺度线调频基稀疏信号分解的广义解调方法及其在齿轮故障诊断中的应用[J]. 皮维,于德介,彭富强. 机械工程学报. 2010(15)
[7]基于提升多小波的机电设备复合故障分离和提取[J]. 袁静,何正嘉,訾艳阳. 机械工程学报. 2010(01)
[8]一种基于瞬时能量分布特征的汽轮发电机组转子故障诊断新方法[J]. 曹冲锋,杨世锡,杨将新. 振动与冲击. 2009(03)
[9]几种时频分析方法比较[J]. 陈雨红,杨长春,曹齐放,李波涛,尚永生. 地球物理学进展. 2006(04)
[10]基于EMD和功率谱的齿轮故障诊断研究[J]. 李辉,郑海起,唐力伟. 振动与冲击. 2006(01)
博士论文
[1]基于时频图像识别的旋转机械多特征融合故障诊断方法研究[D]. 王维刚.哈尔滨工业大学 2016
硕士论文
[1]非负矩阵分解及其在多谱信号处理中的应用[D]. 黄司辉.广东工业大学 2018
[2]基于深度学习的旋转机械轴心轨迹细粒度识别算法研究[D]. 艾成汉.湖北工业大学 2018
[3]非局部均值滤波算法及其在滚动轴承故障诊断中的应用研究[D]. 祝青林.武汉科技大学 2015
本文编号：3264329
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3264329.html
