基于独立分量分析的切削声发射源信号分离研究

论文摘要

在基于声发射(Acoustic Emission, AE)的切削过程监测系统中,传感器获得的信号是由多个目标状态源叠加而成的,如:与刀具状态相关的刀具破损AE源、与切屑状态相关的切屑折断AE源、与工件状态相关剪切滑移AE源以及各种噪声AE源等。以往切削过程监测系统的信号处理方法大都以提取单一目标状态源为目的,将其它目标状态源视为噪声,且以频域特征为消噪依据。这不仅造成了其他目标状态源的信息丢失,限制了多个目标状态的并行监测,而且当不同目标状态源在频域相互重叠时,这种基于频域特征的信息提取方法效果不佳。为此,本文基于独立分量分析(Independent Component Analysis, ICA)技术,就多目标状态源并行分离问题和同频干扰问题展开研究。主要内容如下:(1)阐述ICA的数学模型、优化判据和典型算法,介绍ICA模型的可分离条件和分离结果的两个不确定性;(2)以切削过程监测为应用背景,结合ICA的特点,建立起面向AE信号的ICA系统。系统硬件由AE传感器、信号调理装置、数据采集卡组成,系统软件由信号采集读取模块、谱分析模块和ICA模块组成;(3)设计材料断裂试验获取YG6X和HT250两种材料的断裂AE信号,在此基础上模拟了由多目标状态源(刀具破损AE源、切屑折断AE源、噪声AE源)线性混合而成的AE监测信号,应用建立的ICA系统尝试分离目标状态源并对分离结果做定量评估;(4)研究AE源信号、监测信号特征,提出针对AE监测信号加性噪声问题的ICA预处理方法,以及针对分离信源识别问题的ICA后处理方法。本文研究表明,ICA技术可以从混叠的AE监测信号中并行分离出对应不同目标状态的源信号。当多目标状态源存在同频干扰时,基于独立性的ICA分离尤其适用。这不仅为切削过程监测带来了新的解决方案,同时对ICA技术的推广具有重要意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景与研究意义
• 1.1.1 课题背景
• 1.1.2 研究意义
• 1.2 国内外研究现状
• 1.2.1 基于声发射的切削过程监测
• 1.2.2 独立分量分析
• 1.3 本文研究内容
• 第二章 独立分量分析
• 2.1 独立分量分析的数学模型
• 2.2 独立分量分析的优化判据
• 2.2.1 极大化非高斯性判据
• 2.2.2 互信息极小化判据
• 2.2.3 信息极大化判据
• 2.3 典型的独立分量分析算法
• 2.3.1 投影寻踪算法—Fast ICA
• 2.3.2 批处理算法—JADE
• 2.3.3 自适应算法—Infomax
• 2.4 信源经卷积混合的独立分量分析
• 2.5 仿真信号分离
• 2.6 本章小结
• 第三章 面向声发射信号的独立分量分析系统
• 3.1 系统硬件平台
• 3.1.1 声发射传感器
• 3.1.2 前置放大器
• 3.1.3 数据采集卡
• 3.2 系统软件平台
• 3.2.1 声发射信号采集/读取模块
• 3.2.2 声发射信号谱分析模块
• 3.2.3 独立分量分析模块
• 3.3 本章小结
• 第四章 切削声发射信号的目标状态源分离
• 4.1 基于独立分量分析的切削声发射源信号分离
• 4.2 切削过程声发射信号的模拟
• 4.2.1 材料断裂声发射信号的获取
• 4.2.2 切削过程声发射源的模拟及非高斯性检验
• 4.2.3 切削过程声发射监测信号的模拟
• 4.3 声发射监测信号的预处理
• 4.3.1 线性滤波
• 4.3.2 白化
• 4.4 基于独立分量分析的目标状态源分离
• 4.4.1 独立分量分析算法选择
• 4.4.2 目标状态源的分离
• 4.5 分离目标状态源的后处理
• 4.6 本章小结
• 第五章 结论与展望
• 5.1 主要结论
• 5.2 研究展望
• 参考文献
• 致谢
• 攻读硕士学位期间已发表或录用的论文