版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著現(xiàn)代科技的發(fā)展,機械設備愈加高速化、重載化,其在長時間運轉下易出現(xiàn)多種故障,且伴隨著強烈的背景噪聲,因此及時識別出微弱故障信號并進行多故障分離對設備的安全評估和指導生產具有重大經濟意義。
材料在外力或內力作用產生變形和斷裂,以彈性波形式迅速釋放應變能的現(xiàn)象稱為聲發(fā)射(Acoustic Emission,AE)。AE技術作為一種新型無損檢測方法在工程上已有廣泛應用。本文采用AE技術對機械設備關鍵部件的故障信號進行監(jiān)測,主要對
2、:微弱單源AE信號的提取;正定情形下微弱多源AE信號的分離;欠定情形下多源AE信號的分離進行研究,取得了以下成果:
(1)微弱單源AE信號的提取。提出了一種基于獨立分量分析(Independent Component Analysis,ICA)的稀疏編碼收縮(Sparse Coding Shrinkage,SCS)微弱信號提取方法。首先由最大后驗(Maximum A Posteriori,MAP)方法估計獨立成分,采用對稱分布
3、GGM模型估計獨立成分的概率密度函數(shù)(Probability Density Function,PDF),然后利用收縮函數(shù)進行去噪,最后對估計的獨立成分進行逆變換獲得降噪信號。利用該方法分別對不同輸入信噪比的斷鉛信號和Q235鋼拉伸裂紋信號進行提取,并與小波閾值降噪法進行對比。實驗結果表明,在輸入信噪比高于-10dB時,SCS方法能很好地提取出斷鉛信號和鋼拉伸裂紋信號,且其降噪效果要好于小波閾值法,在信噪比高于0dB時2種方法的分離效果
4、接近,低于0dB時SCS方法明顯優(yōu)于小波閾值法。
(2)正定情形下微弱多源AE信號的分離。提出了一種基于小波包分析(Wavelet Packet Analysis,WPA)和ICA的多故障源信號分離方法。即先用WPA方法對含噪線性混合信號降噪預處理,保留信號主要頻段信息,然后采用ICA方法對降噪后的混合信號進行分離,最后在ICA空間利用收縮函數(shù)對分離出的各個信號去掉頻段中的噪聲。利用該方法對不同輸入信噪比的由斷鉛和摩擦信號組成
5、的多源信號進行分離,實驗結果表明,該方法可以對輸入信噪比高于-15dB的多源故障信號進行提取,其分離性能明顯高于結合WPA和FastICA方法以及單獨采用FastICA算法。
(3)欠定情形下多源AE信號的分離。主要包括信號源個數(shù)的估計和多源信號的分離。提出了一種基于EEMD-SVD-ICA的單通道盲信號分離(Single Channel Blind Source Separation,SCBSS)方法。即先用總體經驗模態(tài)分解
6、(Ensemble Empirical Mode Decomposition,EEMD)方法對單通道信號進行分解得到多個固有模態(tài)分量(Intrinsic Mode Function,IMF),然后對IMF分量組的自相關矩陣進行奇異值分解(Singular Value Decomposition,SVD)估計出信號源數(shù),IMF分量組中主分量作為輸入信號,其個數(shù)為估計源信號數(shù),最后用FastICA對輸入信號分離得到多源故障信號的估計。該方法
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 聲發(fā)射信號處理及源定位方法研究.pdf
- 基于多穩(wěn)隨機共振的機械微弱故障信號特征提取方法研究.pdf
- 耳聲發(fā)射信號快速檢測方法研究.pdf
- 基于聲發(fā)射信號的銑刀故障診斷
- 基于聲發(fā)射信號的銑刀故障診斷.pdf
- 機械故障診斷中的微弱信號提取方法的研究.pdf
- 機械系統(tǒng)微弱故障信號檢測及特征提取方法研究.pdf
- 基于盲分離的煤巖破裂聲發(fā)射信號提取方法的研究.pdf
- 基于時頻能量分析的聲發(fā)射特征信號的提取方法研究.pdf
- 多轉子軸承復雜路徑下微弱故障特征提取方法研究.pdf
- 巖石聲發(fā)射信號特征與分析方法研究.pdf
- 基于EMD的水泵狀態(tài)聲發(fā)射信號特征提取研究.pdf
- 強噪聲背景下機械故障微弱信號特征提取方法研究.pdf
- 旋轉機械故障診斷中微弱信號特征提取方法研究.pdf
- 滾動軸承微弱故障信號檢測方法研究.pdf
- 風電葉片故障的聲發(fā)射診斷方法研究.pdf
- 滑動軸承聲發(fā)射信號形態(tài)濾波及分形特征提取方法.pdf
- 滾動軸承微弱故障特征提取方法研究.pdf
- 基于盲源分離的鐵路貨車軸承聲發(fā)射信號特征提取與智能診斷研究.pdf
- 耳聲發(fā)射信號檢測與信號處理新方法的研究.pdf
評論
0/150
提交評論