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

1、本論文以設備狀態(tài)的精確診斷為研究目標，著眼于多元統(tǒng)計分析在設備狀態(tài)監(jiān)測診斷中的應用研究，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)計分析方法在該應用領域中的研究現狀，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)計信息及其應用的研究，該高階統(tǒng)計信息揭示了振動信號的本質屬性，具有很好的應用前景。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基濾波相關特征參數，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)計結構，來表達和分類設備模式。本文主要研究了基于KPCA的非線性特征提取技術，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建，來有效表達和分類設備狀態(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，提出了一些新的理論想法，解決了多元統(tǒng)計特征進行設備狀態(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進行了設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