盲信號理論及在機械設備故障檢測與分析中的應用研究.pdf

1、先進制造技術的發(fā)展要求現(xiàn)代制造系統(tǒng)必須安全可靠穩(wěn)定運行,使得加工設備和加工過程的工況監(jiān)控和故障診斷越來越重要,成為一門集傳感器技術、圖像處理、自動控制、人工智能、信號處理為一體的綜合性技術。監(jiān)控和診斷一般采用多個傳感器獲取信息,信息量很大,如何對采集的信息進行融合并從大量檢測信號中濾掉無用的干擾和噪聲、提取有用的信號特征一直是監(jiān)控和診斷過程中的難題。信號處理領域新近發(fā)展的盲源分離技術因為能在未知信號詳細特征的情況下僅根據(jù)信號的統(tǒng)計特征恢

2、復信號源,可以用來消除測量信號臨近機器和部件引起的干擾,將感興趣信號和干擾信號分離開來,成為近年機械設備故障診斷領域的研究新熱點。本文首先回顧了機械設備監(jiān)控和故障診斷技術的理論和應用研究現(xiàn)狀,并指出在測量信號中若包含干擾時過去往往需要關于被監(jiān)控設備大量詳細的先驗知識,包括對具體結構的詳細了解才能將干擾的影響消除。接著介紹了盲源分離應用于加工領域的意義和前景,提出了基于盲源分離的監(jiān)控和故障檢測的流程,就實際應用中遇到的源數(shù)估計等四個方面的

3、問題展開了深入研究。利用m-p-p神經(jīng)網(wǎng)絡結構從網(wǎng)絡最終輸出成分的能量和信息化準則兩方面推導了兩種自適應主成分分析算法,解決了在未知信號源個數(shù)時如何從測量的混合信號中實時提取指定個數(shù)的主要成分的問題,并對基于信息化準則主成分分析自適應算法的穩(wěn)定性、收斂性給出了完整的理論證明。證明了該算法收斂速度快、具有全局穩(wěn)定性和全局唯一最優(yōu)值,并通過仿真驗證了算法的有效性。研究和總結了現(xiàn)有瞬時混合盲源分離算法,指出了盲源分離應用于機械噪聲分析時必須解

4、決被研究信號在正常和故障工況時信號呈現(xiàn)不同峰度特性的問題,并據(jù)此提出了一種兩階段自適應噪聲盲分離算法,給出了非線性函數(shù)的選取準則,有效解決了峰度變化的難題,同時通過采用m-p-p神經(jīng)網(wǎng)絡結構的主成分分析算法作為預處理使算法具有較好的魯棒性。機械噪聲分析中環(huán)境惡劣,用小樣本數(shù)據(jù)進行盲源分離能更好地保證待分離信號是平穩(wěn)隨機過程這一模型成立的前提條件。針對小樣本情況指出了目前機械噪聲盲分離中研究較多的FASTICA算法及其它高階累積量算法存在

5、的問題,研究了基于二階相關的SOBI算法和基于非參數(shù)熵估計的批處理盲源分離算法。利用魯棒預白化技術提高了SOBI算法在高斯噪聲干擾下的信號分離性能。針對輸入維數(shù)不高的盲源分離應用特別對二維盲分離,提出了對m-spacing熵進行平滑濾波的盲源分離新思想,通過實驗證明了新算法比FASTIACA具有更優(yōu)性能。針對卷積混合噪聲模型介紹了傳統(tǒng)的卷積混合盲分離算法,研究了兩種新穎的傅立葉變換技術?；诨瑒痈盗⑷~變換提出了一種僅利用一個頻率點信息實

6、現(xiàn)卷積混合盲分離的的頻率域算法,大大降低了傳統(tǒng)頻率域算法的計算復雜性。在此基礎上又提出了兩種利用少數(shù)幾個頻率點信息實現(xiàn)卷積混合盲源分離的頻率域盲算法,提高了信號分離的魯棒性。其中多頻點算法(二)利用非參數(shù)熵評價單頻點盲反卷積算法性能,通過合適選擇參數(shù)使得只需執(zhí)行少數(shù)幾次單頻點盲反卷積就能得出最優(yōu)的反卷積結果,同時給出了算法參數(shù)選擇準則。本文提出的卷積混合盲分離算法算法均克服了傳統(tǒng)頻域算法排列模糊和幅度模糊影響分離結果的缺點,降低了計算復