自適應(yīng)時(shí)頻分析技術(shù)及其在故障診斷中的應(yīng)用研究.pdf

1、山東大學(xué)博士學(xué)位論文自適應(yīng)時(shí)頻分析技術(shù)及其在故障診斷中的應(yīng)用研究姓名：王勝春申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：機(jī)械設(shè)計(jì)及理論指導(dǎo)教師：李劍峰韓捷20070410山東大學(xué)博士學(xué)位論文在諧波小波包原子字典中自適應(yīng)選擇與其局部結(jié)構(gòu)最佳匹配的時(shí)頻原子，避免了小波包分解中信號(hào)信息被沖淡的缺陷，從而使得對(duì)信號(hào)的描述更為準(zhǔn)確、細(xì)致，因而提高了時(shí)頻分辨率。3為了更好的描述工程中大量存在的非平穩(wěn)信號(hào)的時(shí)變特征，研究了基于Chirplet的自適應(yīng)分解方法?；谠幼?/p>

2、典，使用匹配追蹤方法進(jìn)行分解的Chirplet方法，由于隨著參數(shù)類型的增加，字典中所含的原子個(gè)數(shù)將大為增加，字典將變得龐大，若信號(hào)不能完全與字典中的原予相吻合時(shí)，則需要字典中的多個(gè)原子進(jìn)行擬合，這樣就會(huì)將信號(hào)的特征沖淡，因而不能更好地表征信號(hào)，此外，在低信噪比的情況下，因?yàn)樵肼暤挠绊懸彩沟眯盘?hào)特征提取不好。由于Chirplet分解方法的關(guān)鍵是基函數(shù)參數(shù)的選擇，本文針對(duì)自適應(yīng)Chirplet時(shí)頻分析，提出了一種Chirplet參數(shù)估計(jì)的算

3、法來自適應(yīng)分解信號(hào)，自適應(yīng)設(shè)計(jì)最佳的基函數(shù)。首先研究了分?jǐn)?shù)階傅立葉變換的算法，利用分?jǐn)?shù)階傅立葉變換進(jìn)行信號(hào)分量的調(diào)頻率搜索，這種調(diào)頻率估計(jì)與RandonWigner變換相比，既減少了搜索量，又可以降低噪聲對(duì)估計(jì)值的影響。雖然基于分?jǐn)?shù)階Fourier變換的信號(hào)調(diào)頻率檢測(cè)方法在檢測(cè)單分量信號(hào)和強(qiáng)度相近的多分量信號(hào)時(shí)很有效，但在檢測(cè)強(qiáng)度相差較大的多分量信號(hào)時(shí)，則可能存在強(qiáng)分量掩蓋弱分量的問題。而本文的自適應(yīng)分解方法每分解出一個(gè)信號(hào)分量，則從殘

4、余信號(hào)中減去該分量，利用這種逐次消去思想，正好解決了檢測(cè)信號(hào)時(shí)強(qiáng)分量掩蓋弱分量的問題，因而得到了更好的估計(jì)精度。在此基礎(chǔ)上，提出構(gòu)造函數(shù)對(duì)信號(hào)進(jìn)行變換，利用短時(shí)傅立葉變換進(jìn)行時(shí)間中心、頻率中心和尺度因子的估計(jì)，利用擬牛頓和期望最大化(EM)方法進(jìn)一步提高參數(shù)估計(jì)的精度。本文將EM方法的原理引入匹配追蹤的參數(shù)估計(jì)，考慮了完備數(shù)據(jù)中噪聲的存在，使得每次分解結(jié)果收斂于全局最大值，因而得到了更好的參數(shù)估計(jì)。仿真試驗(yàn)也表明，當(dāng)信號(hào)具有較低的信噪比

5、時(shí)，本文方法仍然給出了分辨率良好的時(shí)頻分布。體現(xiàn)出了本文方法的魯棒性。本文提出的自適應(yīng)Chirplet參數(shù)估計(jì)及信號(hào)分解方法保證了每一個(gè)基函數(shù)都是按照與信號(hào)最匹配的最大投影分解原則來選擇，因而能夠以更少的基函數(shù)、更稀疏而精確的描述信號(hào)，準(zhǔn)確地刻畫信號(hào)的時(shí)頻特征，不僅可以得到良好的時(shí)頻分布，更為故障診斷中的智能診斷提供了極為有利的條件。當(dāng)信號(hào)類型與基函數(shù)類型相同時(shí)，信號(hào)分解次數(shù)與信號(hào)分量個(gè)數(shù)相同就能完全將信號(hào)有效的表示。當(dāng)信號(hào)類型與基函數(shù)