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

论文摘要

机械故障诊断中最重要的一步是提取故障特征,盲源分离在这一领域的应用具有光明的发展情景,盲源分离是一种多通道的信号处理方法,可以在不知道传输通道的情况下分离出源信号。对于机械故障诊断,最重的是提取出能够反映出机械运行信息的原始特征信号,应用盲源分离来进行故障诊断,可以提取出机械在运行中的各种独立的源信号,本论文探讨将如何将盲源分离应用到机械故障诊断中去,本文主要完成了如下这些工作。讲述了机械故障诊断的意义、盲源分离的简介、盲源分离理论的发展以及在故障诊断应用中的发展。系统的介绍了盲源分离理论所涉及到的各种基础理论知识以及各种盲源分离算法。讲述了机械振动信号在机械设备中的传输机理以及齿轮和轴承的各种常见故障以及频域表现特征。源数估计是盲源分离的一个很重要的前期工作,在讲述了一种各种信号估计方法后,提出了一种新的信号处理方法。基于二阶累积量和高阶累积量联合对角化的盲源分离算法是一种很稳定的盲源分离算法,本文讲述了这两种算法的原理以及分离性能,设计实验方案,再根据盲源分离模型模型,采用低通滤波器,对信号进行处理,再使用这两中算法分离真实的采集信号。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 本文的研究意义
• 1.1.1 常见故障特征提取方法的不足
• 1.1.2 盲源分离在机械设备故障诊断中的意义
• 1.2 盲源分离技术
• 1.2.1 源信号的混合方式
• 1.2.2 盲源分离的条件限制以及不确定性
• 1.2.3 预处理
• 1.2.4 盲源分离技术的历史发展
• 1.2.5 盲源分离技术的发展趋势
• 1.3 盲源分离技术在旋转机械故障特征提取中的应用发展
• 1.4 本论文文的研究主要内容
• 1.4.1 主要研究内容
• 1.4.2 各章节内容安排
• 1.4.3 论文的所作的核心工作
• 第二章 盲源分离理的基本理论以及常见算法
• 2.1 引言
• 2.2 盲源分离理论的基本知识
• 2.2.1 源信号的统计特征
• 2.2.2 高阶统计量
• 2.2.3 信息论基础
• 2.3 盲源分离模型
• 2.4 分离性能指标
• 2.4.1 元素优势指标（PI）
• 2.4.2 矩阵BA 行元素优势指标
• 2.4.3 二次残差（QVD）指标
• 2.5 常见算法介绍
• 2.5.1 最大熵算法
• 2.5.2 固定点迭代的快速神经算法
• 2.5.3 基于四阶互累积量的联合对角化法（JADE 法）
• 第三章 源数估计
• 3.1 引言
• 3.2 源数估计的原理
• 3.2.1 比较特征值法
• 3.2.2 基于奇异值分解的源数估计方法
• 3.2.3 基于高阶累积量的源数估计方法
• 3.3 新的四阶累积量源数估计
• 3.4 仿真研究
• 3.4.1 基于特征值比值法的各种算法比较
• 3.4.2 阀值的选择
• 3.5 本章小结
• 第四章 基于联合对角化的盲分离算法在机械故障诊断中的应用
• 4.1 引言
• 4.2 问题的数学模型
• 4.3 基于二阶统计量的旋转机械振动信号分离
• 4.4 基于四阶累积量矩阵
• 4.5 仿真验证
• 4.6 实验分析
• 第五章结论与展望
• 5.1 主要结论
• 5.2 建议与展望
• 参考文献
• 致谢
• 攻读硕士期间发表论文
• 详细摘要