论文摘要
盲系统辨识是一种仅从输出信号中提取系统的未知信息的基本信号处理方法。它特别适合对由未知信号驱动的未知系统的分析和处理。本文结合国家自然科学基金(编号:50775208)、河南省教育厅自然科学基金(编号:2006460005,2008C460003),对盲系统辨识方法在机械故障诊断中的应用进行了深入研究。其主要内容包括以下几个方面:第一章,论述本课题的提出及其意义,综述了盲系统辨识方法的发展和在机械故障诊断领域中的应用形状,提出了本论文的主要内容及创新之处。第二章,论述了盲系统辨识方法的理论基础,对盲系统辨识的基本概念与主要算法进行了阐述,本章是整篇论文的理论基础。第三章,针对现有的时序模型盲辨识只适用于平稳信号分析的不足,提出了一种基于经验模态分解的AR模型盲辨识的非平稳信号处理方法。该方法继承了现有的时序模型盲辨识方法的优点,拓展了现有的时序模型盲辨识方法的范围,可很好地处理非平稳信号。同时,将提出的方法与关联维数结合,利用EMD将振动信号分解成若干个平稳的IMF,对每一个IMF分量进行AR模型盲辨识,以各个IMF的AR子模型系数作为特征向量,并通过关联维数来区别故障类型。提出的方法与传统的AR模型盲辨识方法进行了对比分析,实验结果分析表明,该方法是有效的。第四章,结合阶比分析和现有时序模型盲辨识方法各自的优点,提出了一种基于阶比域的AR模型盲辨识算法。该方法是将时域采样所得的非稳态信号按等角度重采样,从而得到阶域中的稳定信号,对其建立AR模型进行盲辨识求出模型参数。该方法继承了现有的时序模型盲辨识方法的所有优点,同时克服了现有时序模型盲辨识方法在处理非平稳信号的不足,拓展了现有的时序模型盲辨识方法的范围,可很好地处理非平稳信号。在此基础上又提出了基于阶比域AR模型盲辨识的参数化双谱分析方法在机械故障诊断中的应用研究,并对所提出的方法进行了仿真及实验研究,结果表明所提算法具有良好的一致收敛性。第五章,详细论述了双线性盲系统辨识方法的基本思想及算法。利用双线性系统模型结构简单、具有规律性且能较准确地描述许多非线性过程的特点,基于此,提出了双线性系统盲辨识方法在机械故障诊断中的应用研究,并对其进行仿真研究。同时运用此方法对转子不同故障信号进行分析,结果表明,该方法能有效地表征转子故障的特征。第六章,对本论文的研究工作进行了全面总结,并对下一步的工作做了展望。