自適應(yīng)時頻分析技術(shù)及其在故障診斷中的應(yīng)用研究.pdf

1、山東大學博士學位論文自適應(yīng)時頻分析技術(shù)及其在故障診斷中的應(yīng)用研究姓名：王勝春申請學位級別：博士專業(yè)：機械設(shè)計及理論指導教師：李劍峰韓捷20070410山東大學博士學位論文在諧波小波包原子字典中自適應(yīng)選擇與其局部結(jié)構(gòu)最佳匹配的時頻原子，避免了小波包分解中信號信息被沖淡的缺陷，從而使得對信號的描述更為準確、細致，因而提高了時頻分辨率。3為了更好的描述工程中大量存在的非平穩(wěn)信號的時變特征，研究了基于Chirplet的自適應(yīng)分解方法。基于原子字

2、典，使用匹配追蹤方法進行分解的Chirplet方法，由于隨著參數(shù)類型的增加，字典中所含的原子個數(shù)將大為增加，字典將變得龐大，若信號不能完全與字典中的原予相吻合時，則需要字典中的多個原子進行擬合，這樣就會將信號的特征沖淡，因而不能更好地表征信號，此外，在低信噪比的情況下，因為噪聲的影響也使得信號特征提取不好。由于Chirplet分解方法的關(guān)鍵是基函數(shù)參數(shù)的選擇，本文針對自適應(yīng)Chirplet時頻分析，提出了一種Chirplet參數(shù)估計的算

3、法來自適應(yīng)分解信號，自適應(yīng)設(shè)計最佳的基函數(shù)。首先研究了分數(shù)階傅立葉變換的算法，利用分數(shù)階傅立葉變換進行信號分量的調(diào)頻率搜索，這種調(diào)頻率估計與RandonWigner變換相比，既減少了搜索量，又可以降低噪聲對估計值的影響。雖然基于分數(shù)階Fourier變換的信號調(diào)頻率檢測方法在檢測單分量信號和強度相近的多分量信號時很有效，但在檢測強度相差較大的多分量信號時，則可能存在強分量掩蓋弱分量的問題。而本文的自適應(yīng)分解方法每分解出一個信號分量，則從殘

4、余信號中減去該分量，利用這種逐次消去思想，正好解決了檢測信號時強分量掩蓋弱分量的問題，因而得到了更好的估計精度。在此基礎(chǔ)上，提出構(gòu)造函數(shù)對信號進行變換，利用短時傅立葉變換進行時間中心、頻率中心和尺度因子的估計，利用擬牛頓和期望最大化(EM)方法進一步提高參數(shù)估計的精度。本文將EM方法的原理引入匹配追蹤的參數(shù)估計，考慮了完備數(shù)據(jù)中噪聲的存在，使得每次分解結(jié)果收斂于全局最大值，因而得到了更好的參數(shù)估計。仿真試驗也表明，當信號具有較低的信噪比

5、時，本文方法仍然給出了分辨率良好的時頻分布。體現(xiàn)出了本文方法的魯棒性。本文提出的自適應(yīng)Chirplet參數(shù)估計及信號分解方法保證了每一個基函數(shù)都是按照與信號最匹配的最大投影分解原則來選擇，因而能夠以更少的基函數(shù)、更稀疏而精確的描述信號，準確地刻畫信號的時頻特征，不僅可以得到良好的時頻分布，更為故障診斷中的智能診斷提供了極為有利的條件。當信號類型與基函數(shù)類型相同時，信號分解次數(shù)與信號分量個數(shù)相同就能完全將信號有效的表示。當信號類型與基函數(shù)