基于局域波法和盲源分離的故障診斷方法應用研究.pdf

1、機械故障診斷是以機器學為基礎的一門綜合性技術,它的本質是一個機器運行狀態(tài)的模式識別問題,其關鍵就是故障信號的特征提取與分類.本文利用非平穩(wěn)、非高斯信號處理理論中的局域波法、Wigner高階時頻表示和盲源分離理論,結合模式識別與機器學習領域的研究成果,對非平穩(wěn)、非高斯的機械振動信號特征提取與故障診斷問題進行了廣泛而深入的研究.主要的工作如下:1.應用局域波法對機械振動非平穩(wěn)信號進行了研究.通過與小波變換和幾種時頻分析方法的比較,表明局域波

2、法對于非平穩(wěn)信號的分析更具有效性.2.研究了基于局域波法的多分量神經網絡預測模型的有效性,用于對非平穩(wěn)系統(tǒng)時間序列進行建模.通過太陽黑子數據的仿真試驗,驗證了該多分量結構比對應的單一神經網絡結構性能優(yōu)越.最后根據該方法組成了一個自回歸時間序列模型庫,用于轉子故障的模型診斷中.3.研究了高階時頻分布在振動沖擊信號特征提取中的應用問題.在機械狀態(tài)監(jiān)控中,沖擊信號的檢測對于提取機器的狀態(tài)信息是很有用的.通過Wigner高階矩譜可以有效地對這樣

3、的非平穩(wěn)、非高斯振動沖擊信號進行特征提取和檢測.4.提出了一種基于局域波時頻圖像的盲源分離故障診斷方法.獨立成分分析(ICA)是實現(xiàn)盲源分離最有效的方法之一.ICA可以認為是PCA特征提取技術的推廣.ICA能夠提供圖像的局部特征,給出較好的圖像表示.5.為了有效提取故障特征信號,需要在不同位置進行多傳感器的振動信號測量.針對多源混合的非平穩(wěn)、非高斯設備故障振動信號,應用非平穩(wěn)信號的盲源分離算法,可以有效地提取各自獨立的非平穩(wěn)振動源,從而