多元統(tǒng)計分析在設(shè)備狀態(tài)監(jiān)測診斷中的應(yīng)用研究.pdf

1、本論文以設(shè)備狀態(tài)的精確診斷為研究目標(biāo)，著眼于多元統(tǒng)計分析在設(shè)備狀態(tài)監(jiān)測診斷中的應(yīng)用研究，通過分析正在發(fā)展中的主分量分析(PCA)、獨立分量分析(ICA)、核主分量分析(KPCA)和盲源分離(BSS)等四種多元統(tǒng)計分析方法在該應(yīng)用領(lǐng)域中的研究現(xiàn)狀，把此方面的研究統(tǒng)一于了三個子體系下：高階統(tǒng)計信息提取、多元冗余特征融合、多維測量信號分離，并分別就有關(guān)問題進行了深入的研究。 第一個方面是基于ICA的理論，以一維或多維測量信號為處理對象

2、，提取測量信號的高階統(tǒng)計信息來有效表證設(shè)備的狀態(tài)特征。本文主要引入并拓展了ICA提取一維振動信號高階統(tǒng)計信息及其應(yīng)用的研究，該高階統(tǒng)計信息揭示了振動信號的本質(zhì)屬性，具有很好的應(yīng)用前景。這里提出了一種新的基于ICA的瞬態(tài)檢測方法，顯示了優(yōu)于其他傳統(tǒng)方法的效果：提取了一種新的ICA基濾波相關(guān)特征參數(shù)，可以有效表征狀態(tài)類別信息。 第二個方面是利用PCA、ICA和KPCA等分析方法的信息挖掘及降維作用，從時域、頻域、時頻域等多個原始特征

3、中提取新的更加敏感穩(wěn)健的統(tǒng)計結(jié)構(gòu)，來表達和分類設(shè)備模式。本文主要研究了基于KPCA的非線性特征提取技術(shù)，提取的特征在特征空間具有非常好的聚類效果，然后研究了基于KPCA的非線性特征子空間構(gòu)建，來有效表達和分類設(shè)備狀態(tài)。本文還著重研究了多元統(tǒng)計特征提取中的特征評價和選取技術(shù)，提出了一些新的理論想法，解決了多元統(tǒng)計特征進行設(shè)備狀態(tài)分類的效益最大化問題。 第三個方面是利用盲源分離(BSS及ICA)的思想對多維測量信號進行處理，以獲得反

4、映某個或每個設(shè)備部件的信號、分離提取某些信號分量、或者僅僅消去噪聲的影響。本文基于盲源分離技術(shù)進行了設(shè)備多維振動信號的振動分量分離探討，首先驗證了線性ICA方法對復(fù)雜振動信號分離效果并不太理想，然后基于盲卷積分離模型主要研究了振動信號中瞬態(tài)分量(循環(huán)平穩(wěn)成分、瞬時沖擊成分等)與噪聲分量的分離與提取。 此外，以上研究都建立在了實驗驗證基礎(chǔ)上，本論文采用了兩個實驗，一個是通過振動信號分析的汽車齒輪箱的狀態(tài)監(jiān)測，另一個是運用噪聲信號分