發(fā)布時(shí)間：2023-04-16 18:54

　　在實(shí)際的機(jī)械設(shè)備故障診斷中,由于現(xiàn)場(chǎng)環(huán)境比較惡劣,所測(cè)得的振動(dòng)信號(hào)除包含有用的特征信息外還存在大量的噪聲干擾。尤其是機(jī)械設(shè)備的早期故障,特征信號(hào)比較微弱,往往被強(qiáng)噪聲所淹沒(méi),極大地影響了設(shè)備狀態(tài)信息的準(zhǔn)確獲取。因此,論文以機(jī)械設(shè)備為對(duì)象,研究了強(qiáng)噪聲背景下微弱信號(hào)的提取和檢測(cè)技術(shù)。 設(shè)備工況的變化以及其自身的非線性使機(jī)械設(shè)備的動(dòng)態(tài)信號(hào)表現(xiàn)出非平穩(wěn)性。經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ㄊ且环N處理非線性非平穩(wěn)信號(hào)的有效工具,但是對(duì)于強(qiáng)噪聲背景下的微弱信號(hào),噪聲干擾會(huì)加重經(jīng)驗(yàn)?zāi)Ｊ椒纸獾倪吔缧?yīng),影響分解的質(zhì)量和效果。為此,本文提出一種基于級(jí)聯(lián)雙穩(wěn)隨機(jī)共振降噪的經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒?利用隨機(jī)共振在微弱信號(hào)檢測(cè)方面的優(yōu)勢(shì),實(shí)現(xiàn)對(duì)微弱非平穩(wěn)信號(hào)的提取。仿真實(shí)驗(yàn)以及滾動(dòng)軸承的故障診斷實(shí)例驗(yàn)證了該方法的有效性。 奇異值分解是一種非線性濾波方法,廣泛應(yīng)用于信號(hào)的消噪和檢測(cè)工作中。但是傳統(tǒng)的奇異值分解通常是在時(shí)域中進(jìn)行,由于奇異值對(duì)噪聲比較敏感,因此奇異值分解只適用于弱噪聲的情況。針對(duì)這個(gè)問(wèn)題,論文提出了基于頻域的奇異值分解方法,通過(guò)傅立葉變換將時(shí)域信號(hào)轉(zhuǎn)換到頻域進(jìn)行處理,增強(qiáng)了奇異值分解的抗噪能力。此外,針對(duì)單層奇異值分解降...

【文章頁(yè)數(shù)】：129 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 機(jī)械設(shè)備早期故障的檢測(cè)技術(shù)
        1.2.2 微弱信號(hào)檢測(cè)方法
        1.2.3 狀態(tài)檢測(cè)與故障診斷系統(tǒng)的開(kāi)發(fā)與應(yīng)用
    1.3 課題的研究目的及來(lái)源
    1.4 論文的主要工作和創(chuàng)新點(diǎn)
第二章 強(qiáng)噪聲背景下的經(jīng)驗(yàn)?zāi)Ｊ椒纸庋芯?br>    2.1 前言
    2.2 經(jīng)驗(yàn)?zāi)Ｊ椒纸饣驹?br>        2.2.1 瞬時(shí)頻率定義
        2.2.2 瞬時(shí)頻率定義分析
        2.2.3 基本模式分量
        2.2.4 經(jīng)驗(yàn)?zāi)Ｊ椒纸鈱?shí)現(xiàn)步驟
    2.3 噪聲背景下的經(jīng)驗(yàn)?zāi)Ｊ椒纸庋芯?br>    2.4 隨機(jī)共振理論
        2.4.1 隨機(jī)共振基本原理
        2.4.2 級(jí)聯(lián)雙穩(wěn)隨機(jī)共振
    2.5 基于級(jí)聯(lián)雙穩(wěn)隨機(jī)共振降噪的經(jīng)驗(yàn)?zāi)Ｊ椒纸?br>        2.5.1 方法的提出與仿真實(shí)驗(yàn)
        2.5.2 實(shí)驗(yàn)結(jié)果分析
    2.6 工程應(yīng)用
    2.7 小結(jié)
第三章 強(qiáng)背景噪聲下微弱信號(hào)的奇異值分解降噪研究
    3.1 前言
    3.2 奇異值分解方法
        3.2.1 奇異值分解數(shù)學(xué)原理
        3.2.2 奇異值分解方法研究
    3.3 奇異值分解仿真實(shí)例
    3.4 奇異值與噪聲強(qiáng)度的關(guān)系
    3.5 頻域的奇異值分解降噪研究
    3.6 級(jí)聯(lián)奇異值分解降噪研究
    3.7 本章小結(jié)
第四章 大信號(hào)干擾下的微弱信號(hào)檢測(cè)研究
    4.1 前言
    4.2 獨(dú)立分量分析的基本原理與算法實(shí)現(xiàn)
        4.2.1 盲源分離基本原理
        4.2.2 獨(dú)立分量分析及FastICA算法
        4.2.3 獨(dú)立分量分析的仿真實(shí)例
    4.3 基于獨(dú)立分量分析的信噪分離方法研究
        4.3.1 方法的提出
        4.3.2 仿真實(shí)驗(yàn)分析
    4.4 工程應(yīng)用
    4.5 多窗譜分析基本原理
        4.5.1 多窗譜分析算法
        4.5.2 Slepian數(shù)據(jù)窗
    4.6 多窗譜分析的微弱信號(hào)檢測(cè)
    4.7 工程應(yīng)用
    4.8 本章小節(jié)
第五章 基于雙CPU的便攜式數(shù)據(jù)采集分析系統(tǒng)研究
    5.1 前言
    5.2 系統(tǒng)概述
    5.3 系統(tǒng)的硬件設(shè)計(jì)
        5.3.1 信號(hào)調(diào)理模塊設(shè)計(jì)
        5.3.2 計(jì)算和控制核心的雙CPU設(shè)計(jì)
        5.3.3 系統(tǒng)的外圍電路設(shè)計(jì)
    5.4 系統(tǒng)的軟件設(shè)計(jì)
        5.4.1 DSP部分軟件設(shè)計(jì)
        5.4.2 ARM部分的軟件設(shè)計(jì)
        5.4.3 數(shù)據(jù)采集模塊
        5.4.4 人機(jī)交互模塊
        5.4.5 通信模塊
        5.4.6 信號(hào)分析模塊
        5.4.7 Linux系統(tǒng)以及應(yīng)用程序在嵌入式系統(tǒng)中的移植
    5.5 系統(tǒng)功能驗(yàn)證
    5.6 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況說(shuō)明
致謝



本文編號(hào)：3791668