【摘要】：機(jī)械設(shè)備故障診斷技術(shù)對(duì)設(shè)備運(yùn)行安全、效率有重要意義。運(yùn)用工作聲音進(jìn)行故障診斷,已變成機(jī)械故障診斷領(lǐng)域發(fā)展的重要方向。機(jī)械設(shè)備運(yùn)行發(fā)生異常時(shí),會(huì)產(chǎn)生多種聲音信號(hào)。借助信號(hào)處理方法將各種聲音信號(hào)分離出來(lái),將其轉(zhuǎn)變?yōu)楠?dú)立的信號(hào)源而提取故障信息,從而能對(duì)機(jī)械故障進(jìn)行精確診斷。盲分離技術(shù)能夠在噪聲環(huán)境下和多聲源混疊情況下對(duì)源信號(hào)進(jìn)行分離和識(shí)別,為噪聲背景下機(jī)械設(shè)備狀態(tài)檢測(cè)和故障診斷提供解決方案。因此,本文基于常見(jiàn)的兩類(lèi)盲分離問(wèn)題:正定盲分離和欠定盲分離,分別提出了基于神經(jīng)網(wǎng)絡(luò)的線性盲分離算法和基于最小二乘法的欠定盲分離算法,并對(duì)其有效性展開(kāi)機(jī)械系統(tǒng)的故障診斷驗(yàn)證。全文主要研究?jī)?nèi)容如下:(1)基于神經(jīng)網(wǎng)絡(luò)的線性盲分離算法提出了自適應(yīng)和小腦模型兩種線性神經(jīng)網(wǎng)絡(luò)的盲分離算法(SALNN-BSS和CMAC-BSS);分別建立了結(jié)構(gòu)模型和求解算法;對(duì)仿真混疊信號(hào)的性能系數(shù)進(jìn)行對(duì)比,結(jié)果表明:在分離效果方面,SALNN-BSS和CMAC-BSS都能對(duì)混疊信號(hào)進(jìn)行良好的分離,恢復(fù)的源信號(hào)波形良好,但CMAC-BSS分離誤差更小,對(duì)信號(hào)的分離更為迅速,穩(wěn)定誤差更小,更加適合用于盲分離故障識(shí)別。(2)基于最小二乘法的欠定盲分離算法將最小二乘法和欠定盲分離技術(shù)特點(diǎn)相結(jié)合,提出了基于最小二乘法欠定盲分離算法(LSM-UBSS),確定了該算法的操作步驟。通過(guò)推導(dǎo)分析,從理論上證明了該算法解的唯一性,采用該算法分別分離稀疏和非稀疏語(yǔ)音混疊信號(hào),構(gòu)建了它們的混疊模型和混疊矩陣。比較了源信號(hào)和分離信號(hào)的信噪比,結(jié)果表明該算法無(wú)論是在稀疏還是非稀疏語(yǔ)音混疊信號(hào)分離方面都十分有效。(3)冰蓄冷陳列柜故障信號(hào)的盲分離技術(shù)應(yīng)用基于冰蓄冷陳列柜原理和常見(jiàn)故障,搭建了陳列柜的故障診斷實(shí)驗(yàn)系統(tǒng),完成了電路設(shè)計(jì)和觸摸屏控制界面等的設(shè)計(jì)。采用該系統(tǒng)對(duì)陳列柜的軸流風(fēng)葉故障、軸流風(fēng)葉和水泵同時(shí)故障進(jìn)行了診斷;對(duì)比SALNN-BSS和CMAC-BSS算法對(duì)相關(guān)故障信號(hào)的分離能力,結(jié)果表明:CMAC-BSS恢復(fù)源信號(hào)精度更高,識(shí)別故障效果更佳,識(shí)別故障實(shí)時(shí)性更好。(4)發(fā)動(dòng)機(jī)噪聲信號(hào)的盲分離技術(shù)應(yīng)用搭建了發(fā)動(dòng)機(jī)噪聲測(cè)試實(shí)驗(yàn)平臺(tái),測(cè)試出發(fā)動(dòng)機(jī)運(yùn)行時(shí)的多種聲音信號(hào);采用傳統(tǒng)最大熵盲分離算法(ME-BSS)和CMAC-BSS兩種分離算法分別對(duì)發(fā)動(dòng)機(jī)噪聲和外界的干擾噪聲進(jìn)行分離,實(shí)驗(yàn)結(jié)果表明CMAC-BSS分離效果比ME-BSS好,可以把發(fā)動(dòng)機(jī)噪聲和外界噪聲很好地分離出來(lái)。同時(shí)用CMAC-BSS對(duì)發(fā)動(dòng)機(jī)異響故障進(jìn)行了診斷,結(jié)果表明CMAC-BSS可以從中獲得發(fā)動(dòng)機(jī)運(yùn)行過(guò)程中的故障信號(hào)。(5)救生艙CO2空調(diào)故障信號(hào)的欠定盲分離技術(shù)應(yīng)用分析了礦井救生艙重要組成CO2空調(diào)系統(tǒng)常見(jiàn)故障信號(hào)(振動(dòng)信號(hào)和噪聲信號(hào))的特點(diǎn),設(shè)計(jì)并搭建了故障信號(hào)測(cè)試平臺(tái)。采用LSM-UBSS,分別對(duì)已知和未知故障數(shù)目情形下的系統(tǒng)故障信號(hào)進(jìn)行分離,探討了分離誤差。結(jié)果表明:LSM-UBSS在已經(jīng)知道故障數(shù)目的情況下,能診斷CO2空調(diào)系統(tǒng)故障;在未知故障數(shù)目的情況下,預(yù)先使用減法聚類(lèi)估計(jì)混疊矩陣,再用LSM-UBSS算法,也能有效識(shí)別出故障源信號(hào)的數(shù)目,有效恢復(fù)故障源信號(hào)。
【圖文】：

圖 1-5 兩個(gè)信號(hào)源的頻譜[85]Fig.1-5 Spectrum of two sources' signal[85]吳軍彪等[86]為了提取噪聲故障特征，先用盲分離從觀測(cè)信號(hào)中提取獨(dú)立的聲源信號(hào)，消除較大干擾源噪聲對(duì)監(jiān)測(cè)源信號(hào)的干擾，，然后采用小波變換模極大值法對(duì)分離的源信號(hào)進(jìn)行重構(gòu)，通過(guò)重構(gòu)信號(hào)頻譜分析來(lái)提取噪聲故障特征。文獻(xiàn)使用兩臺(tái)平穩(wěn)運(yùn)轉(zhuǎn)的電動(dòng)機(jī)相距 1 m 放置在現(xiàn)場(chǎng)作為聲源，兩只 B&K2610 全指向性傳聲器分別放置在電動(dòng)機(jī)前方 60 cm 處以測(cè)量電動(dòng)機(jī)噪聲。為了驗(yàn)證分離結(jié)果，首先測(cè)量電動(dòng)機(jī)單獨(dú)運(yùn)轉(zhuǎn)時(shí)的噪聲信號(hào)，并使用小波變換模極大值法提取信號(hào)特征如圖 1-6 所示。

圖 1-5 兩個(gè)信號(hào)源的頻譜[85]Fig.1-5 Spectrum of two sources' signal[85]吳軍彪等[86]為了提取噪聲故障特征，先用盲分離從觀測(cè)信號(hào)中提取獨(dú)立的聲源號(hào)，消除較大干擾源噪聲對(duì)監(jiān)測(cè)源信號(hào)的干擾，然后采用小波變換模極大值法對(duì)分離源信號(hào)進(jìn)行重構(gòu)，通過(guò)重構(gòu)信號(hào)頻譜分析來(lái)提取噪聲故障特征。文獻(xiàn)使用兩臺(tái)平穩(wěn)運(yùn)的電動(dòng)機(jī)相距 1 m 放置在現(xiàn)場(chǎng)作為聲源，兩只 B&K2610 全指向性傳聲器分別放置在動(dòng)機(jī)前方 60 cm 處以測(cè)量電動(dòng)機(jī)噪聲。為了驗(yàn)證分離結(jié)果，首先測(cè)量電動(dòng)機(jī)單獨(dú)運(yùn)轉(zhuǎn)的噪聲信號(hào)，并使用小波變換模極大值法提取信號(hào)特征如圖 1-6 所示。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TH17

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王惠剛,梁紅,李志舜;具有任意分布時(shí)間相關(guān)源的盲分離自適應(yīng)算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2003年06期

2 史曉非,黃耀P,梁德群,劉人杰;一種盲分離技術(shù)在信息處理中的應(yīng)用[J];大連海事大學(xué)學(xué)報(bào);2005年02期

3 張洪淵,.戴小明,史習(xí)智;一種功能增強(qiáng)的信號(hào)源盲分離新算法[J];振動(dòng)工程學(xué)報(bào);2002年02期

4 賈鵬,叢豐裕,史習(xí)智;雜系混合信號(hào)的盲分離[J];上海交通大學(xué)學(xué)報(bào);2004年02期

5 張瑜;房少娟;李雪萍;;低角雷達(dá)多徑誤差抑制的盲分離方法[J];電光與控制;2011年10期

6 單志超;林春生;涂方明;董華玉;;平穩(wěn)白噪聲背景中信號(hào)波形的盲分離與恢復(fù)[J];探測(cè)與控制學(xué)報(bào);2008年02期

7 黃高明;高俊;;基于盲分離的非合作信號(hào)定位技術(shù)[J];海軍工程大學(xué)學(xué)報(bào);2009年04期

8 廖燦輝;萬(wàn)堅(jiān);周世東;;兩同頻調(diào)制信號(hào)混合單通道盲分離的性能界[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年10期

9 芮國(guó)勝;徐彬;張嵩;;同頻重疊信號(hào)的單通道盲分離方法綜述[J];電光與控制;2011年09期

10 王榮博;侯朝煥;;含噪混合數(shù)據(jù)中相關(guān)源信號(hào)的盲分離[J];應(yīng)用聲學(xué);2011年05期

相關(guān)會(huì)議論文 前10條

1 王惠剛;梁紅;李志舜;;盲分離的模糊性[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

2 姜華;秦志峰;錢(qián)進(jìn);;一種頻域盲分離技術(shù)及其性能分析[A];中國(guó)聲學(xué)學(xué)會(huì)2002年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

3 劉堅(jiān);陸佶人;;一種基于遺傳算法的盲分離方法[A];中國(guó)聲學(xué)學(xué)會(huì)2003年青年學(xué)術(shù)會(huì)議[CYCA'03]論文集[C];2003年

4 綦敦浩;章新華;范文濤;;水聲信號(hào)盲分離排序算法[A];2011'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

5 姚毅;賈金玲;姚婭川;;盲分離技術(shù)在識(shí)別生物信號(hào)中的應(yīng)用[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

6 夏斌;;基于獨(dú)立剩余量的圖像盲分離[A];2007第三屆中國(guó)智能交通年會(huì)論文集[C];2007年

7 鐘伯成;;信息極大ICA算法的動(dòng)態(tài)盲分離研究[A];2008通信理論與技術(shù)新發(fā)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（下）[C];2008年

8 王燕妮;馬鐵華;;盲分離技術(shù)在智能化引信中的應(yīng)用研究[A];第三屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

9 劉娜;郭建中;;Infomax算法對(duì)調(diào)幅信號(hào)盲分離效果的分析[A];第二屆西安-上海兩地聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2011年

10 蔡秋芳;李國(guó)輝;楊海濱;;基于時(shí)頻非交疊性的語(yǔ)音盲分離[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 滕繼濮;盲分離：不想要的信號(hào)“非誠(chéng)勿擾”[N];科技日?qǐng)?bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 高俊文;面向機(jī)械故障診斷應(yīng)用的盲分離技術(shù)研究[D];華南理工大學(xué);2016年

2 蔡坤;胎兒心電信號(hào)的盲分離研究[D];華南理工大學(xué);2011年

3 張安清;盲分離技術(shù)及其在水聲信號(hào)中的應(yīng)用研究[D];大連理工大學(xué);2006年

4 叢豐裕;面向目標(biāo)感知的盲信號(hào)處理算法研究[D];上海交通大學(xué);2007年

5 楊祖元;盲信號(hào)分離算法分析與應(yīng)用研究[D];華南理工大學(xué);2009年

6 周勃;基于盲分離的空調(diào)機(jī)組故障振聲診斷研究[D];沈陽(yáng)工業(yè)大學(xué);2008年

7 高峰;欠定松弛稀疏信號(hào)的盲分離研究[D];華南理工大學(xué);2012年

8 趙宇峰;單通道時(shí)頻混疊通信信號(hào)盲分離研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

9 黃青華;基于源信號(hào)模型的盲分離技術(shù)研究及應(yīng)用[D];上海交通大學(xué);2007年

10 王翔;通信信號(hào)盲分離方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 薛韃;基于神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)的盲分離研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

2 范曉艷;基于差分進(jìn)化算法的置換混疊圖像盲分離[D];河南師范大學(xué);2015年

3 龐盟盟;基于單通道盲分離的抗干擾技術(shù)研究[D];電子科技大學(xué);2014年

4 王秀林;多集合信號(hào)聯(lián)合盲分離方法研究[D];大連理工大學(xué);2015年

5 馬歡;基于粒子濾波的同頻數(shù)字混合信號(hào)單通道盲分離技術(shù)研究[D];解放軍信息工程大學(xué);2014年

6 王珊;基于非負(fù)張量分解的多通道音頻信號(hào)盲分離研究[D];東南大學(xué);2015年

7 付丙艮;基于盲分離的胎兒心電信號(hào)提取系統(tǒng)設(shè)計(jì)[D];廣東工業(yè)大學(xué);2016年

8 嚴(yán)文鴻;基于非負(fù)盲分離的胎兒心電信號(hào)處理方法研究[D];廣東工業(yè)大學(xué);2016年

9 查君君;盲分離技術(shù)的研究及其在缺陷信號(hào)處理中的應(yīng)用[D];合肥工業(yè)大學(xué);2007年

10 何真強(qiáng);基于極大似然法的信號(hào)源盲分離[D];北京交通大學(xué);2012年

本文編號(hào)：2531401