学位论文 > 优秀研究生学位论文题录展示

ICA盲分离算法研究及在机械设备故障诊断中的应用

作　者: 都强
导　师: 吕淑平
学　校: 哈尔滨工程大学
专　业: 模式识别与智能系统
关键词: 独立分量分析 等变自适应 概率密度函数 盲信号抽取 机械故障诊断
分类号: TH165.3
类　型: 硕士论文
年　份: 2013年
下　载: 42次
引　用: 0次
阅　读: 论文下载
 

内容摘要


盲源分离(BSS， Blind Source Separation)发展至今，在算法上得到了深入研究，并已在许多领域进行了应用。本文以线性混合模型为基础，研究基于独立分量分析的盲源分离算法，并将其应用于机械故障诊断中，所做的的工作如下：1.首先介绍了盲源分离的基本理论知识，给出了盲源分离的基本模型，然后结合基本理论知识重点分析了盲源分离的常用优化判据和优化算法，最后给出了评价盲源分离效果的性能指标。2.以齿轮箱及其振动信号为研究模型，讨论了机械振动信号特征及故障诊断的基本原理和基本方法。首先对齿轮和轴承的振动信号进行了分析，接着介绍了齿轮箱振动信号的传播与测量，最后对传统的故障诊断方法进行阐述，详细分析了传统诊断方法的不足，由此引出现代信号处理方法中的独立分量分析(Independent Component Analysis,ICA)技术用于机械故障诊断。3.研究了等变自适应盲分离算法并将其应用于齿轮箱振动信号的分离。等变自适应盲分离(EquivariantAdaptive Separation via Independence，EASI)算法是一种基于神经网络的ICA方法。针对该算法在实际应用中只能分离同系信号(全为超高斯或全为亚高斯信号)的缺点，引入一种改进的EASI算法，通过概率密度函数非参数估计的核函数法直接对评价函数进行估计，使改进后的算法既可以分离同系信号又能分离杂系信号(超亚高斯混合信号)。最后用常规信号的仿真分析以及齿轮箱振动信号的分离实验对改进算法的有效性进行了验证。4.在深入研究EASI算法的基础上，针对EASI算法抗干扰能力差，分离效果不好的问题，讨论了盲信号抽取定点算法应用于齿轮箱故障诊断。盲信号抽取(Blind SignalExtraction, BSE)定点算法,通过多层神经网络顺序从混合信号中抽取源信号，并对混合信号进行紧缩处理。针对紧缩过程引起的累积误差导致提取信号质量逐渐下降这一问题，引进了一种简单且稳健的级联抽取紧缩方法，可以避免紧缩过程中的误差累积。计算机仿真以及齿轮箱故障诊断实验验证了该算法可以提高故障诊断的可靠性和准确性，突出对故障诊断有用的特征信号，降低干扰信号的影响。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-17
  1.1 课题研究的背景及意义  11-12
  1.2 盲源分离概述  12
  1.3 盲源分离的发展及研究现状  12-14
  1.4 盲源分离方法及分类  14-15
  1.5 盲源分离在机械故障诊断中的应用  15-16
  1.6 论文的工作安排  16-17
第2章 独立分量分析基本理论及研究方法  17-29
  2.1 盲源分离的基本问题  17-18
    2.1.1 盲分离的前提条件  17-18
    2.1.2 盲分离的不确定性  18
  2.2 盲分离相关学科理论知识  18-22
    2.2.1 概率与统计  18-19
    2.2.2 信息论的相关知识  19-22
  2.3 独立分量分析研究方法  22-27
    2.3.1 盲分离的数学模型  22
    2.3.2 盲分离的混合模型  22-23
    2.3.3 独立性判据  23-24
    2.3.4 优化算法  24-27
  2.4 算法分离性能的检验  27-28
  2.5 本章小结  28-29
第3章 机械设备振动信号特征分析及故障诊断  29-39
  3.1 齿轮振动信号特征分析  29-32
    3.1.1 正常齿轮振动信号特征  29-30
    3.1.2 故障齿轮振动信号特征  30-31
    3.1.3 齿轮典型故障信号特征  31-32
  3.2 轴承振动信号特征分析  32-33
    3.2.1 正常轴承振动信号特征  32
    3.2.2 故障轴承振动信号特征  32-33
    3.2.3 轴承典型故障信号特征  33
  3.3 振动信号的传播与测量  33-34
    3.3.1 振动信号的传播  33-34
    3.3.2 振动信号的测量  34
  3.4 传统的故障诊断方法及不足  34-38
    3.4.1 时域分析法  35-36
    3.4.2 频域分析法  36-37
    3.4.3 传统诊断方法的局限性  37-38
  3.5 基于 ICA 的齿轮箱振动信号分离模型  38
  3.6 本章小结  38-39
第4章 基于 EASI 的齿轮箱振动信号分离方法研究  39-55
  4.1 EASI 算法模型及等变化性  39-40
    4.1.1 EASI 模型  39
    4.1.2 EASI 的等变特性  39-40
  4.2 等变自适应白化  40-41
    4.2.1 矩阵函数的导数  40
    4.2.2 随机变量的等变自适应白化算法  40-41
  4.3 EASI 信号源盲分离算法  41-43
    4.3.1 算法的目标函数  41-42
    4.3.2 算法推导  42-43
  4.4 改进的 EASI 算法  43-45
    4.4.1 概率密度函数的非参数估计  43-44
    4.4.2 评价函数的估计  44
    4.4.3 基于 pdf 估计的盲源分离算法  44-45
  4.5 算法性能仿真与实验分析  45-54
    4.5.1 常规信号下算法的性能仿真  45-49
    4.5.2 齿轮箱振动信号盲分离实验分析  49-54
  4.6 本章小结  54-55
第5章 基于 ICA 的机械振动信号盲抽取定点方法研究  55-70
  5.1 盲信号抽取原理及其特点  55-57
    5.1.1 盲信号抽取原理  55-56
    5.1.2 盲信号抽取特点  56-57
  5.2 盲信号抽取定点算法  57-59
    5.2.1 定点盲信号抽取的基本算法  57-58
    5.2.2 一般形式的定点算法  58-59
  5.3 盲信号抽取定点算法的改进  59-60
  5.4 算法性能的仿真分析  60-69
    5.4.1 常规信号下算法性能的验证  60-62
    5.4.2 齿轮箱振动信号特征提取与诊断实验分析  62-69
  5.5 本章小结  69-70
结论  70-71
参考文献  71-75
攻读硕士学位期间发表的论文和取得的科研成果  75-76
致谢  76

相似论文

  1. 柴油机表面辐射噪声源小波识别及心理声学参数评价研究,TK421.6
  2. 超指数跳扩散模型下的离散双障碍期权定价,F830.9
  3. 基于高阶累积量的盲源分离的理论研究及其在旋转机械中的应用,TH165.3
  4. 基于LabVIEW的旋转机械故障诊断系统的研究,TH165.3
  5. 反射炉燃油雾化燃烧CFD数值模拟研究,TF806.23
  6. 面向节能优化的钢坯加热特征参数化模型研究,TG335.3
  7. 独立分量分析的重盲分离研究及其在机械故障诊断中的应用,TH165.3
  8. 杂波建模与特性检验算法研究,TN955.3
  9. 内燃机表面辐射噪声盲源分离技术研究,TK401
  10. 1025t/h锅炉混煤燃烧优化研究,TK227.1
  11. 工程机械嵌入式故障诊断装置研究,TH165.3
  12. 基于本体的旋转机械故障诊断知识建模研究,TH165.3
  13. 基于改进BFA的旋转机械故障诊断核参数优选研究,TH165.3
  14. 基于改进Rete算法的旋转机械故障诊断专家系统的研究,TP182
  15. 基于Hadoop的机械故障诊断资源分布式信息检索系统的设计与实现,TP391.3
  16. 旋转机械典型故障特征提取方法研究,TH165.3
  17. 回转轴故障的主动控制研究及实验系统设计,TH165.3
  18. 基于Hilbert-Huang变换的机械故障诊断的研究,TH165.3
  19. 盲抽取与SVM方法在地球化学异常下限提取中的应用,P59
  20. 小波分析在旋转机械故障诊断中的应用研究,TN911.6
  21. 基于HMM/SVM混合模型的核动力旋转机械设备故障诊断方法研究,TH165.3

中图分类: > 工业技术 > 机械、仪表工业 > 机械制造工艺 > 柔性制造系统及柔性制造单元 > 故障诊断和维护
© 2012 www.xueweilunwen.com