轉(zhuǎn)子是電機(jī)、風(fēng)機(jī)等很多旋轉(zhuǎn)機(jī)械中的關(guān)鍵總成,其在機(jī)器設(shè)備中高速旋轉(zhuǎn),運(yùn)行狀況會影響整個旋轉(zhuǎn)機(jī)械的可靠性。針對轉(zhuǎn)子故障診斷與識別的研究對于保證機(jī)械設(shè)備的正常運(yùn)轉(zhuǎn)具有重要意義。本文在研究盲源分離的基本模型及預(yù)處理方法的基礎(chǔ)上,建立了衡量分離算法效果的性能指標(biāo),以及分離信號的獨立性度量指標(biāo)。在研究轉(zhuǎn)子動力學(xué)實驗系統(tǒng)的結(jié)構(gòu)及傳感器選用的基礎(chǔ)上,對轉(zhuǎn)子的幾種常見故障機(jī)理進(jìn)行分析,并通過轉(zhuǎn)子動力學(xué)實驗系統(tǒng)的模擬故障實驗對各種故障的振動信號特征進(jìn)行詳細(xì)分析。針對實際生產(chǎn)和信號采集中普遍存在的單通道采集信號問題,以及導(dǎo)致的源信號數(shù)目大于采集信號的欠定情況,本文提出基于EMD-ICA的欠定盲分離算法,方法采用EMD算法對單通道采集信號進(jìn)行分解,運(yùn)用IAIC與IMDL方法進(jìn)行源數(shù)估計,并應(yīng)用相關(guān)系數(shù)法重構(gòu)多維信號作為ICA的輸入量,所分離后信號的波形、幅值與源信號一致,特征頻率得到恢復(fù),實現(xiàn)盲源信號的有效分離。針對信號處理方法計算量大、收斂性不佳的問題,本文提出一種基于四階累積量的粒子群算法,算法將分離信號的四階累積量作為適應(yīng)度函數(shù),采用標(biāo)準(zhǔn)粒子群算法求解分離矩陣,準(zhǔn)確地提取轉(zhuǎn)子各路源振動信號,并對故障類... 

【文章來源】：長春工業(yè)大學(xué)吉林省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 轉(zhuǎn)子振動特征識別及提取主要研究內(nèi)容
    1.3 盲源分離算法技術(shù)簡介
        1.3.1 盲源分離算法研究現(xiàn)狀
        1.3.2 盲源分離算法簡單描述
    1.4 主要研究內(nèi)容與安排
    1.5 本章小結(jié)
第2章 盲源分離的基本理論
    2.1 盲源分離的不確定性和前提假設(shè)
    2.2 盲源分離的預(yù)處理
        2.2.1 源信號中心化處理
        2.2.2 源信號白化處理
    2.3 盲源分離算法性能指標(biāo)
        2.3.1 盲源分離算法性能指標(biāo)
        2.3.2 分離信號的獨立性度量
    2.4 本章小結(jié)
第3章 轉(zhuǎn)子故障機(jī)理研究及實驗系統(tǒng)分析
    3.1 常見轉(zhuǎn)子故障機(jī)理研究
        3.1.1 轉(zhuǎn)子不平衡故障機(jī)理
        3.1.2 轉(zhuǎn)子不對中故障機(jī)理
        3.1.3 轉(zhuǎn)子動靜碰磨故障機(jī)理
    3.2 轉(zhuǎn)子動力學(xué)實驗系統(tǒng)
        3.2.1 轉(zhuǎn)子動力學(xué)實驗系統(tǒng)組成
        3.2.2 傳感器的選擇
        3.2.3 動態(tài)信號采集測試分析系統(tǒng)
    3.3 轉(zhuǎn)子故障仿真實驗方法及分析
        3.3.1 轉(zhuǎn)子故障模擬方法
        3.3.2 實驗參數(shù)設(shè)置
        3.3.3 轉(zhuǎn)子不平衡實驗分析
        3.3.4 轉(zhuǎn)子不對中實驗分析
        3.3.5 轉(zhuǎn)子動靜碰磨實驗分析
    3.4 本章小結(jié)
第4章 基于EMD-ICA算法的轉(zhuǎn)子故障特征分析
    4.1 單通道盲源分離數(shù)學(xué)模型
    4.2 源信號經(jīng)驗?zāi)Ｊ椒纸?br>        4.2.1 固有模態(tài)函數(shù)
        4.2.2 EMD算法基本原理
    4.3 改進(jìn)獨立分量數(shù)估計方法
    4.4 單通道盲源分離算法
    4.5 仿真實驗分析
    4.6 基于EMD-ICA算法故障特征分析
    4.7 本章小結(jié)
第5章 基于粒子群算法的轉(zhuǎn)子特征識別與提取
    5.1 基本粒子群算法
        5.1.1 粒子群算法背景
        5.1.2 粒子群算法描述
        5.1.3 粒子群算法流程
    5.2 標(biāo)準(zhǔn)粒子群算法
    5.3 基于四階累積量粒子群算法的盲源分離
        5.3.1 算法參數(shù)設(shè)置
        5.3.2 適應(yīng)度函數(shù)
        5.3.3 算法的流程
    5.4 仿真實驗結(jié)果
    5.5 轉(zhuǎn)子振動特征分離實驗
    5.6 本章小結(jié)
第6章 結(jié)論
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
作者簡介
攻讀碩士學(xué)位期間研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于JADE-ICA的滾動軸承多故障信號盲源分離[J]. 席劍輝,崔健馳,蔣麗英.  振動與沖擊. 2017(05)
[2]基于變分模態(tài)分解和Teager能量算子的滾動軸承故障特征提取[J]. 馬增強(qiáng),李亞超,劉政,谷朝健.  振動與沖擊. 2016(13)
[3]基于數(shù)據(jù)驅(qū)動的微小故障診斷方法綜述[J]. 文成林,呂菲亞,包哲靜,劉妹琴.  自動化學(xué)報. 2016(09)
[4]一種基于盲源分離和流形學(xué)習(xí)的風(fēng)電機(jī)組軸承故障特征提取方法[J]. 趙洪山,李浪,王穎.  太陽能學(xué)報. 2016(02)
[5]復(fù)雜環(huán)境移動群機(jī)器人最優(yōu)路徑規(guī)劃方法[J]. 徐雪松,楊勝杰,陳榮元.  電子測量與儀器學(xué)報. 2016(02)
[6]基于擴(kuò)頻碼周期性的單通道直擴(kuò)通信半盲分離抗干擾算法[J]. 朱行濤,劉郁林,晁志超,何為.  系統(tǒng)工程與電子技術(shù). 2016(02)
[7]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計算機(jī)學(xué)報. 2016(08)
[8]基于混合概率的新型小波變異量子粒子群算法[J]. 胡皞,常軍,鞏文龍,劉文波.  計算機(jī)技術(shù)與發(fā)展. 2016(01)
[9]基于高階累積量帶噪盲源分離算法[J]. 趙國偉,王宏志.  長春工業(yè)大學(xué)學(xué)報. 2015(06)
[10]一種差分進(jìn)化和模擬退火粒子群混合算法[J]. 杜松,周健勇.  計算機(jī)仿真. 2015(12)

博士論文
[1]盲信號分離算法及其在轉(zhuǎn)子故障信號分離中的應(yīng)用方法研究[D]. 苗鋒.蘭州理工大學(xué) 2014

碩士論文
[1]盲源分離技術(shù)在轉(zhuǎn)子故障診斷中的應(yīng)用[D]. 劉書溢.長春工業(yè)大學(xué) 2016
[2]振動分析技術(shù)在變速箱故障診斷中的應(yīng)用與研究[D]. 朱成偉.長春工業(yè)大學(xué) 2015



本文編號：3196214