基于核方法的非線性系統(tǒng)辨識、均衡和信號分離及在故障診斷中的應(yīng)用.pdf

1、本論文在國家自然科學(xué)基金(50775208、51075372)、湖南省機(jī)械設(shè)備健康維護(hù)重點(diǎn)實驗室開放基金(200904)和河南省教育廳自然科學(xué)基金(2008C460003)資助下,將核函數(shù)方法(Kernel Methods)應(yīng)用到非線性系統(tǒng)的辨識,均衡和信號分離中,深入研究了基于核方法的機(jī)械故障診斷方法,并進(jìn)行了仿真對比與實驗研究,取得了一些創(chuàng)新性成果。本文的主要內(nèi)容包括:
　　 第一章,簡述了本課題的研究意義,綜述了核函數(shù)方法

2、及其在機(jī)械故障診斷中的國內(nèi)外研究現(xiàn)狀,概述了本文的主要內(nèi)容和創(chuàng)新之處。
　　 第二章,論述了核函數(shù)的基礎(chǔ)理論,介紹了常用的核函數(shù),核函數(shù)的非線性映射以及構(gòu)造核函數(shù)的條件,為將核函數(shù)方法應(yīng)用到機(jī)械故障診斷中奠定理論基礎(chǔ)。這一章的內(nèi)容是整篇論文的理論基礎(chǔ)。
　　 第三章,論述了核遞推最小二乘辨識思想和三種典型算法即ALD-KRLS、SW-KRLS和FB-KRLS,通過仿真研究,比較了傳統(tǒng)最小二乘(LMS)辨識算法、遞推最小二

3、乘(RLS)辨識算法和核遞推最小二乘(KRLS)辨識算法對非線性系統(tǒng)的辨識能力。仿真研究表明,不論是在辨識精度,穩(wěn)定性還是抗干擾性方面,KRLS辨識算法明顯優(yōu)于傳統(tǒng)LMS、RLS辨識法。在這三種典型的KRLS辨識算法,SW-KRLS法比其他兩種KRLS辨識算法獲得了更好的辨識效果。SW-KRLS法特別適用于時變非線性系統(tǒng)辨識。在此基礎(chǔ)上,提出了基于核遞推最小二乘辨識的機(jī)械故障方法,并應(yīng)用到轉(zhuǎn)子系統(tǒng)的故障診斷中,實驗結(jié)果表明提出的方法是有

4、效的。
　　 第四章,針對傳統(tǒng)的自適應(yīng)均衡方法存在的不足,提出了一種基于KRLS的非線性系統(tǒng)自適應(yīng)均衡方法。該方法通過引入核函數(shù),將原始的非線性數(shù)據(jù)映射到高維特征空間,然后在高維特征空間中實施標(biāo)準(zhǔn)最小二乘算法。提出的方法并與傳統(tǒng)的非線性系統(tǒng)均衡方法進(jìn)行了對比分析,仿真研究表明,提出的方法優(yōu)于傳統(tǒng)的均衡方法,能很好的消除傳遞通道的影響,有效地提取出弱沖擊性成分。最后,將提出的方法應(yīng)用到轉(zhuǎn)子系統(tǒng)的弱沖擊性故障提取中,實驗結(jié)果進(jìn)一步驗

5、證了提出的方法的有效性。
　　 第五章,詳細(xì)論述了獨(dú)立分量分析、核函數(shù)獨(dú)立分量分析的基本思想和算法。KICA是一種非線性算法,它是將傳統(tǒng)ICA方法在高位特征空間中的推廣,它具有更加優(yōu)異的性能,可以解決一些經(jīng)典的ICA方法無法解決的難題,例如非線性混合的盲信號分離問題。針對傳統(tǒng)的獨(dú)立分量分析在處理非線性混合的故障源分離的不足,提出了一種基于核獨(dú)立分量分析(KICA.)的非線性混合的機(jī)械故障源盲分離方法,該方法利用核函數(shù)的優(yōu)點(diǎn),將信