基于稀疏分解的故障特征提取方法研究
发布时间：2021-05-16 12:36
机械旋转设备在监测过程中产生的数据,会带来数据存储,数据传输、数据挖掘等一系列问题。因此对监测数据进行稀疏分解,通过稀疏分解的方法提取具有高信息、高价值的故障特征,可以有效保证旋转机械设备安全稳定运行。针对现有稀疏分解研究中关于提升稀疏完备字典自适应性所存在的两个难点问题:（1）以数据驱动为前提的稀疏完备字典自由基原子获取问题;（2）以先验知识假设为前提的稀疏完备字典固定基原子获取问题。本文结合 TQWT（tunable Q-factor wavelet transform,TQWT）算法,从自适应、多阶迭代分析滤波器组、特征匹配等角度逐步开展研究,旨在通过稀疏分解从噪声背景中提取出信号的故障特征,提升稀疏完备字典的鲁棒性。主要研究内容及取得研究结果如下:（1）针对TQWT算法过度依赖先验知识进行参数预设来提取自由基原子的问题,开展了基于自适应TQWT的故障稀疏特征提取方法研究。为了提取与稀疏完备字典相匹配的自由基原子,借助TQWT分解中可以随信号特征调整品质因子的特性,采用最大峭度原则在遍历迭代的基础上实现了信号的多分辨率分解。基于此,无需进行逆向重构信号即可在在子带中提取出自由基原...
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
学位论文数据集
摘要
Abstract
第一章 绪论
1.1 课题来源
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 稀疏分解研究现状
1.3.2 小波分解研究现状
1.3.3 其他常用信号分解方法研究现状
1.3.4 主要难点
1.4 论文主要研究内容
1.5 论文结构安排
第二章 基于自适应TQWT的稀疏故障特征提取方法
2.1 引言
2.2 基于自适应TQWT的故障稀疏特征提取方法框架
2.2.1 理论介绍
2.2.2 故障稀疏特征提取方法流程
2.3 算法性能仿真验证
2.4 算法性能实验验证
2.5 本章小结
第三章 基于多阶迭代TQWT的稀疏故障特征提取方法
3.1 引言
3.2 多阶迭代TQWT稀疏分解理论
3.3 基于单品质因子稀疏信号特征提取方法
3.3.1 理论介绍
3.3.2 故障稀疏特征提取方法框架
3.3.3 算法性能仿真验证
3.3.4 算法性能实验验证与分析
3.4 基于双品质因子的稀疏信号特征提取
3.4.1 理论介绍
3.4.2 故障稀疏特征提取方法框架
3.4.3 算法性能仿真验证
3.4.4 算法性能实验验证一
3.4.5 算法性能实验验证二
3.5 本章小结
第四章 基于TQWT与VMD的稀疏故障特征提取方法
4.1 引言
4.2 VMD理论介绍
4.3 故障稀疏信号特征提取方法框架
4.4 算法性能仿真验证
4.5 算法性能实验验证一
4.6 算法性能实验验证二
4.7 本章小结
第五章 基于固定基品质因子的稀疏故障特征提取方法
5.1 引言
5.2 自适应品质因子稀疏分解方法理论基础
5.2.1 品质因子
5.2.2 自适应相关参数选取法
5.3 算法性能仿真验证
5.4 算法性能实验验证一
5.5 算法性能实验验证二
5.6 本章小结
第六章 研究结论与展望
6.1 主要研究结论
6.2 主要创新之处
6.3 展望
参考文献
致谢
研究成果及发表的学术论文
作者与导师简介
附件
【参考文献】：
期刊论文
[1]基于压缩感知的OMP算法在地震资料中的去噪效果分析[J]. 贺月,周健,陈力鑫,黄劲,王丽红. 油气地球物理. 2020(02)
[2]基于变分模态分解的故障弱信息提取方法[J]. 刘秀丽,徐小力,吴国新,张雪英. 华中科技大学学报(自然科学版). 2020(07)
[3]VMD方法在轴承故障定子电流信号诊断中的应用[J]. 时献江,李万涛,高庆康. 哈尔滨理工大学学报. 2020(01)
[4]融合极端学习机的判别性分析字典学习算法[J]. 王军浩,闫德勤,刘德山,邢钰佳. 计算机科学. 2020(05)
[5]基于WT和STFT车辆启动抖动特性时频分析[J]. 王伟东. 应用技术学报. 2020(01)
[6]短时傅里叶变换的舰船辐射噪声纵向分布特性分析[J]. 王宏艳,冯烨,苗梦露. 舰船科学技术. 2020(02)
[7]基于VMD改进算法的气体管道泄漏检测[J]. 梁洪卫,刘冬冬,阚玲玲,高丙坤,邹岱峰. 吉林大学学报(信息科学版). 2019(05)
[8]"5·17"河南南阳成批钢水烧伤患者的转运及早期救治分析[J]. 张树堂,刘奇,李天宇,赵俊祥,崔正军. 中华急诊医学杂志. 2019(09)
[9]稀疏表示中稀疏系数的l1范数的特性分析[J]. 宗静静,邱天爽. 系统工程与电子技术. 2019(12)
[10]阿波罗计划的科学遗产[J]. 瞿立建. 世界科学. 2019(08)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]紧支集双正交小波的构造及应用研究[D]. 张世强.大连海事大学 2015
[3]稀疏恢复问题的非凸松弛方法[D]. 李昱帆.天津大学 2015
[4]基于信号稀疏表征的故障诊断方法研究[D]. 唐海峰.上海交通大学 2014
硕士论文
[1]基于云计算FFT的机械故障诊断系统设计与实现[D]. 潘越.北京邮电大学 2019
[2]基于字典学习的稀疏表示故障诊断方法研究[D]. 李景乐.北京化工大学 2018
[3]基于字典学习与低秩矩阵重建的WMSN视频去噪算法研究[D]. 徐益.华东交通大学 2016
[4]语音信号稀疏表示方法研究[D]. 张宏乐.太原理工大学 2016
[5]小波字典下齿轮箱复合故障瞬态特征的稀疏表示研究[D]. 罗春艳.苏州大学 2016
[6]墨西哥帽小波在图像边缘检测中的应用[D]. 武鹏程.山西师范大学 2015
[7]基于小波包分解和希尔伯特黄变换的滚动轴承故障诊断[D]. 熊星.中国科学技术大学 2014
[8]CC25型汽轮机振动分析与故障诊断[D]. 古立.华东理工大学 2014
[9]基于小波变换的数字图像水印技术研究[D]. 张伟东.浙江师范大学 2011
[10]基于级联原子库稀疏分解及其应用[D]. 唐承志.西南交通大学 2011
本文编号：3189701
【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校
【文章页数】：130 页
【学位级别】：博士
【文章目录】：
学位论文数据集
摘要
Abstract
第一章 绪论
1.1 课题来源
1.2 课题研究背景及意义
1.3 国内外研究现状
1.3.1 稀疏分解研究现状
1.3.2 小波分解研究现状
1.3.3 其他常用信号分解方法研究现状
1.3.4 主要难点
1.4 论文主要研究内容
1.5 论文结构安排
第二章 基于自适应TQWT的稀疏故障特征提取方法
2.1 引言
2.2 基于自适应TQWT的故障稀疏特征提取方法框架
2.2.1 理论介绍
2.2.2 故障稀疏特征提取方法流程
2.3 算法性能仿真验证
2.4 算法性能实验验证
2.5 本章小结
第三章 基于多阶迭代TQWT的稀疏故障特征提取方法
3.1 引言
3.2 多阶迭代TQWT稀疏分解理论
3.3 基于单品质因子稀疏信号特征提取方法
3.3.1 理论介绍
3.3.2 故障稀疏特征提取方法框架
3.3.3 算法性能仿真验证
3.3.4 算法性能实验验证与分析
3.4 基于双品质因子的稀疏信号特征提取
3.4.1 理论介绍
3.4.2 故障稀疏特征提取方法框架
3.4.3 算法性能仿真验证
3.4.4 算法性能实验验证一
3.4.5 算法性能实验验证二
3.5 本章小结
第四章 基于TQWT与VMD的稀疏故障特征提取方法
4.1 引言
4.2 VMD理论介绍
4.3 故障稀疏信号特征提取方法框架
4.4 算法性能仿真验证
4.5 算法性能实验验证一
4.6 算法性能实验验证二
4.7 本章小结
第五章 基于固定基品质因子的稀疏故障特征提取方法
5.1 引言
5.2 自适应品质因子稀疏分解方法理论基础
5.2.1 品质因子
5.2.2 自适应相关参数选取法
5.3 算法性能仿真验证
5.4 算法性能实验验证一
5.5 算法性能实验验证二
5.6 本章小结
第六章 研究结论与展望
6.1 主要研究结论
6.2 主要创新之处
6.3 展望
参考文献
致谢
研究成果及发表的学术论文
作者与导师简介
附件
【参考文献】：
期刊论文
[1]基于压缩感知的OMP算法在地震资料中的去噪效果分析[J]. 贺月,周健,陈力鑫,黄劲,王丽红. 油气地球物理. 2020(02)
[2]基于变分模态分解的故障弱信息提取方法[J]. 刘秀丽,徐小力,吴国新,张雪英. 华中科技大学学报(自然科学版). 2020(07)
[3]VMD方法在轴承故障定子电流信号诊断中的应用[J]. 时献江,李万涛,高庆康. 哈尔滨理工大学学报. 2020(01)
[4]融合极端学习机的判别性分析字典学习算法[J]. 王军浩,闫德勤,刘德山,邢钰佳. 计算机科学. 2020(05)
[5]基于WT和STFT车辆启动抖动特性时频分析[J]. 王伟东. 应用技术学报. 2020(01)
[6]短时傅里叶变换的舰船辐射噪声纵向分布特性分析[J]. 王宏艳,冯烨,苗梦露. 舰船科学技术. 2020(02)
[7]基于VMD改进算法的气体管道泄漏检测[J]. 梁洪卫,刘冬冬,阚玲玲,高丙坤,邹岱峰. 吉林大学学报(信息科学版). 2019(05)
[8]"5·17"河南南阳成批钢水烧伤患者的转运及早期救治分析[J]. 张树堂,刘奇,李天宇,赵俊祥,崔正军. 中华急诊医学杂志. 2019(09)
[9]稀疏表示中稀疏系数的l1范数的特性分析[J]. 宗静静,邱天爽. 系统工程与电子技术. 2019(12)
[10]阿波罗计划的科学遗产[J]. 瞿立建. 世界科学. 2019(08)
博士论文
[1]基于变分模态分解的风电机组传动系统故障诊断研究[D]. 武英杰.华北电力大学(北京) 2016
[2]紧支集双正交小波的构造及应用研究[D]. 张世强.大连海事大学 2015
[3]稀疏恢复问题的非凸松弛方法[D]. 李昱帆.天津大学 2015
[4]基于信号稀疏表征的故障诊断方法研究[D]. 唐海峰.上海交通大学 2014
硕士论文
[1]基于云计算FFT的机械故障诊断系统设计与实现[D]. 潘越.北京邮电大学 2019
[2]基于字典学习的稀疏表示故障诊断方法研究[D]. 李景乐.北京化工大学 2018
[3]基于字典学习与低秩矩阵重建的WMSN视频去噪算法研究[D]. 徐益.华东交通大学 2016
[4]语音信号稀疏表示方法研究[D]. 张宏乐.太原理工大学 2016
[5]小波字典下齿轮箱复合故障瞬态特征的稀疏表示研究[D]. 罗春艳.苏州大学 2016
[6]墨西哥帽小波在图像边缘检测中的应用[D]. 武鹏程.山西师范大学 2015
[7]基于小波包分解和希尔伯特黄变换的滚动轴承故障诊断[D]. 熊星.中国科学技术大学 2014
[8]CC25型汽轮机振动分析与故障诊断[D]. 古立.华东理工大学 2014
[9]基于小波变换的数字图像水印技术研究[D]. 张伟东.浙江师范大学 2011
[10]基于级联原子库稀疏分解及其应用[D]. 唐承志.西南交通大学 2011
本文编号：3189701
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3189701.html
