本文關(guān)鍵詞：基于小波包—變分貝葉斯獨(dú)立分量分析的機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：本論文在國家自然科學(xué)基金(51075372，50775208)，江西省教育廳科技計(jì)劃項(xiàng)目(No. GJJ12405)和湖南省機(jī)械設(shè)備健康維護(hù)重點(diǎn)實(shí)驗(yàn)室開放基金(201204)資助下，，針對(duì)變分貝葉斯獨(dú)立分量分析理論(Variational Bayesian IndependentComponentAnalysis，簡稱VBICA)所存在的不足，即VBICA的隨機(jī)初始化算法的分離結(jié)果不能保持一致性；機(jī)械故障源高度相關(guān)時(shí)分離效果很差以及傳統(tǒng)的VBICA方法不能有效地處理機(jī)械故障源的欠定盲分離，將小波包變換與變分貝葉斯獨(dú)立分量分析有效結(jié)合起來，提出了基于小波包變換-VBICA機(jī)械故障源的盲分離方法，并對(duì)提出的方法展開了深入研究，仿真和實(shí)驗(yàn)結(jié)果驗(yàn)證了提出的方法的有效性。本文的主要內(nèi)容包括以下幾個(gè)方面： 第一章，綜述了變分貝葉斯獨(dú)立分量分析算法以及獨(dú)立分量分析算法(Independent Component Analysis，簡稱ICA)研究與應(yīng)用現(xiàn)狀。介紹了VBICA算法優(yōu)勢(shì)與不足。針對(duì)VBICA算法存在的不足之處，論述了本課題提出的的研究意義，給出了本文的主要內(nèi)容及創(chuàng)新點(diǎn)。 第二章，論述了獨(dú)立分量分析、貝葉斯建模、變分近似算法和變分貝葉斯獨(dú)立分量分析理論，指出了傳統(tǒng)ICA方法存在的不足和VBICA方法的優(yōu)勢(shì)，并通過仿真研究，對(duì)比分析了傳統(tǒng)ICA算法和VBICA方法在噪聲混合下的盲分離能力，仿真結(jié)果驗(yàn)證了VBICA算法在噪聲混合下的分離效果明顯優(yōu)于ICA方法。本章的內(nèi)容是整篇論文的理論基礎(chǔ)。 第三章，在VBICA方法中，模型參數(shù)的初始化選擇非常重要，直接決定了模型的最終學(xué)習(xí)結(jié)果。VBICA初始化方法主要采用隨機(jī)初始化算法。該算法由于初始化是隨機(jī)的，這樣，經(jīng)過不同的學(xué)習(xí)可能得到的結(jié)果有差異，不能保證結(jié)果的一致性。針對(duì)此不足，本論文提出了一種基于用主分量分析(Principal ComponentAnalysis，簡稱PCA)的隨機(jī)初始化方法，將提出的方法和傳統(tǒng)VBICA算法進(jìn)行對(duì)比分析，仿真研究表明，提出的方法優(yōu)于傳統(tǒng)的VBICA方法，并且通過分離性能指標(biāo)得到了反映，而且提出的方法克服了基于隨機(jī)初始化的VBICA方法的分離結(jié)果不穩(wěn)定的問題。最后，將提出的方法成功應(yīng)用到直升機(jī)傳動(dòng)系統(tǒng)中的中減速器故障診斷中，取得了令人滿意的效果。 第四章，實(shí)驗(yàn)證明VBICA處理相關(guān)信號(hào)源盲分離的效果非常不理想。針對(duì)此不足，本論文引入小波包理論，并將小波包與變分貝葉斯獨(dú)立分量分析理論相結(jié)合，提出了基于小波包-VBICA的相關(guān)信號(hào)源盲分離方法。給出了該方法的詳細(xì)實(shí)現(xiàn)步驟，并進(jìn)行了仿真與實(shí)驗(yàn)研究。仿真結(jié)果表明，提出的方法是有效的，取得了非常好的分離性能。最后，將提出的方法應(yīng)用到轉(zhuǎn)子系統(tǒng)的不對(duì)中碰摩故障的盲分離中，實(shí)驗(yàn)結(jié)果進(jìn)一步證實(shí)了提出的方法的有效性。 第五章，針對(duì)現(xiàn)有的基于VBICA的機(jī)械故障診斷盲分離方法中只能處理觀測(cè)信號(hào)數(shù)大于故障源數(shù)，而不能處理欠定盲分離的情況，本論文結(jié)合小波包分析和VBICA的各自優(yōu)點(diǎn)，提出了基于小波包-VBICA的機(jī)械故障源數(shù)估計(jì)和盲分離方法。與傳統(tǒng)的盲分離方法相比較，提出的方法具有以下特色：(1)提出的方法既然處理超定盲分離問題，也能處理欠定盲分離的問題；(2)能有效地估計(jì)故障源數(shù)，在提出的方法中，利用貝葉斯推論特有的模型比較功能，并結(jié)合自相關(guān)測(cè)定(ARD)估計(jì)出源信號(hào)的個(gè)數(shù)；(3)提出的方法充分利用了小波包分析方法能有效地處理非平穩(wěn)信號(hào)能力，可實(shí)現(xiàn)非平穩(wěn)信號(hào)的盲分離。仿真研究表明，提出的方法取得了滿意的分離效果。最后，將提出的方法應(yīng)用到軸承內(nèi)外圈故障盲分離中，并成功地分離出軸承內(nèi)圈故障和外圈故障特征。 第六章，概括了本論文的主要研究內(nèi)容和創(chuàng)新之處，并對(duì)值得進(jìn)一步研究的問題進(jìn)行了展望。
【關(guān)鍵詞】：變分貝葉斯獨(dú)立分量分析 小波包分析 盲源分離 故障診斷 獨(dú)立分量分析
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TH165.3
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-11
• 第1章 緒論11-18
• 1.1 課題提出的意義11-12
• 1.2 基于獨(dú)立分量分析理論的機(jī)械故障診斷研究及應(yīng)用現(xiàn)狀12-14
• 1.3 變分貝葉斯獨(dú)立分量分析的國內(nèi)外研究及應(yīng)用現(xiàn)狀14-15
• 1.4 論文的主要內(nèi)容與創(chuàng)新之處15-17
• 1.4.1 論文主要內(nèi)容15-17
• 1.4.2 關(guān)鍵問題以及創(chuàng)新點(diǎn)17
• 1.5 本章小結(jié)17-18
• 第二章 變分貝葉斯獨(dú)立分量分析理論與算法18-31
• 2.1 概述18-19
• 2.2 獨(dú)立分量分析理論19-20
• 2.3 貝葉斯建模20-22
• 2.3.1 貝葉斯網(wǎng)絡(luò)20-22
• 2.3.2 貝葉斯推論22
• 2.4 變分近似算法22-24
• 2.5 變分貝葉斯獨(dú)立分量分析算法24-27
• 2.6 仿真研究27-30
• 2.7 本章小結(jié)30-31
• 第三章 變分貝葉斯獨(dú)立分量分析初始化算法改進(jìn)31-41
• 3.1 概述31
• 3.2 基于主分量分析初始化的變分貝葉斯獨(dú)立分量分析算法31-35
• 3.3 仿真研究35-38
• 3.4 實(shí)驗(yàn)研究38-40
• 3.5 本章小結(jié)40-41
• 第四章 基于小波包—VBICA 的相關(guān)源分離算法41-50
• 4.1 概述41
• 4.2 小波包理論41-43
• 4.3 小波包—變分貝葉斯獨(dú)立分量分析相關(guān)源估計(jì)方法43-44
• 4.4 仿真研究44-48
• 4.5 實(shí)驗(yàn)研究48-49
• 4.6 本章小結(jié)49-50
• 第五章 機(jī)械源欠定盲分離研究50-60
• 5.1 概述50
• 5.2 欠定盲分離算法50-54
• 5.3 仿真實(shí)驗(yàn)54-57
• 5.4 實(shí)驗(yàn)研究57-59
• 5.5 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-62
• 6.1 全文總結(jié)60-61
• 6.2 需要進(jìn)一步研究的問題61-62
• 參考文獻(xiàn)62-66
• 攻讀碩士學(xué)位期間發(fā)表的論文和參加科研情況66-67
• 致謝67-68

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 謝勝利;孫功憲;肖明;傅予力;呂俊;;欠定和非完全稀疏性的盲信號(hào)提取[J];電子學(xué)報(bào);2010年05期

2 楊英華;李召;陳永祿;陳曉波;;基于CVA-ICA與CSM的故障診斷方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

3 李志農(nóng);范濤;岳秀廷;;傳統(tǒng)獨(dú)立分量分析和變分貝葉斯獨(dú)立分量分析的比較[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

4 范濤;李志農(nóng);肖堯先;;基于源數(shù)估計(jì)的機(jī)械源信號(hào)盲分離方法研究[J];機(jī)械強(qiáng)度;2011年01期

5 李志農(nóng);劉衛(wèi)兵;易小兵;;基于局域均值分解的機(jī)械故障欠定盲源分離方法研究[J];機(jī)械工程學(xué)報(bào);2011年07期

6 馬建倉;曾媛;張國強(qiáng);;特征基函數(shù)ICA在航空發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2009年09期

7 董天寶;楊景曙;;一種欠定盲源分離新算法[J];計(jì)算機(jī)工程與應(yīng)用;2012年12期

8 張?zhí)K弦;劉海林;;基于稀疏特性的欠定盲信號(hào)分離算法[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

9 張延良;樓順天;張偉濤;;用于統(tǒng)計(jì)相關(guān)源信號(hào)的盲分離方法[J];西安電子科技大學(xué)學(xué)報(bào);2009年03期

10 李志農(nóng);范濤;劉立州;盧紀(jì)富;;基于變分貝葉斯理論的機(jī)械故障源盲分離方法研究[J];振動(dòng)與沖擊;2009年06期

  本文關(guān)鍵詞：基于小波包—變分貝葉斯獨(dú)立分量分析的機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：406678