微弱信號檢測及機械故障診斷系統(tǒng)研究.pdf

1、在機械設備故障診斷中，信號處理算法起著至關重要的作用，如何從含有噪聲的混合信號中盡可能還原真實信號、如何從背景噪聲中檢測微弱故障特征信號等都是需要重點研究的課題。故障診斷系統(tǒng)完成信號采集、信號分析等任務，為設備維護人員作出診斷決策提供直接的依據(jù)。所以，故障診斷系統(tǒng)的發(fā)展直接影響到故障診斷行業(yè)的發(fā)展。本論文以機電設備為對象，對濾波、微弱信號檢測以及故障診斷系統(tǒng)進行了研究。 對于被色噪聲污染的信號，如果產(chǎn)生色噪聲的源頭是白噪聲，并且

2、白噪聲是可以測量的，此時在不知道從白噪聲轉變到色噪聲的這個非線性中間環(huán)節(jié)的情況下，應用ANFIS可以對色噪聲進行逼近，從而達到濾波的目的。EMD可以將混合信號分解為一系列的IMF分量，從而將非平穩(wěn)信號分解為近似平穩(wěn)信號。將含噪信號先用EMD進行處理，再對IMF分量所含的色噪聲應用ANFIS實現(xiàn)非線性逼近，仿真結果表明，這種結合可以提高濾波的精度。而且由于EMD也是一種獨立于信號特性的自適應方法，所以不會影響濾波的整體自適應性。

3、非均勻采樣可以突破采樣定理的限制，但是由于采樣時刻的偽隨機性，幅值低于強信號幅值10％的弱信號的頻率在非均勻采樣的頻譜中不能被識別出來。利用獨立分量分析對信號幅值不敏感而只對信號是否正交敏感的特性，在非均勻采樣的頻譜識別中引入FastICA算法，通過構造虛擬通道信號的方法，成功的在非均勻采樣的頻譜中提取出了弱信號的頻率。 針對非均勻采樣的缺點，將一種新的從均勻分布白噪聲中提取弱正弦信號的算法引入，在非均勻采樣的頻譜中成功檢測出了