本文關(guān)鍵詞：基于變分貝葉斯隱Markov模型的機(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(guó)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(kāi)放基金(201204)資助下，針對(duì)傳統(tǒng)靜態(tài)獨(dú)立分量分析在機(jī)械源信號(hào)盲源分離中存在的不足，即在觀測(cè)數(shù)據(jù)獲取過(guò)程中，要求混合系統(tǒng)保持不變，并且獨(dú)立源的數(shù)量和統(tǒng)計(jì)特征必須保持穩(wěn)定，因而無(wú)法對(duì)非平穩(wěn)時(shí)變信號(hào)進(jìn)行有效盲分離。結(jié)合變分貝葉斯獨(dú)立分量分析理論(VbICA)在噪聲環(huán)境下的對(duì)平穩(wěn)信號(hào)的優(yōu)秀盲分離性能，將隱Markov模型(HMM)引入到VbICA源模型中，提出了基于變分貝葉斯隱Markov模型的機(jī)械故障源分離新方法，并取得了很好的創(chuàng)新性成果。本文主要包括以下幾個(gè)方面的內(nèi)容： 第一章，論述了本課題的提出及其意義；討論了靜態(tài)ICA在故障診斷領(lǐng)域的研究現(xiàn)狀及其不足之處，以及動(dòng)態(tài)ICA的研究現(xiàn)狀及其在各領(lǐng)域中的應(yīng)用狀況，特別是在故障診斷領(lǐng)域的應(yīng)用發(fā)展；在此基礎(chǔ)上，，提出了本論文的主要內(nèi)容及主要?jiǎng)?chuàng)新點(diǎn)。 第二章，論述了適于動(dòng)態(tài)過(guò)程時(shí)間序列建模并具有強(qiáng)大的時(shí)序模式分類(lèi)能力的隱Markov模型理論和基本算法。論述了變分貝葉斯理論體系，主要包括貝葉斯推論和變分近似逼近算法。本章內(nèi)容是整篇論文的理論基礎(chǔ)。 第三章，針對(duì)傳統(tǒng)靜態(tài)ICA方法存在的不足，提出了一種基于變分貝葉斯隱Markov模型的機(jī)械故障源分離新方法，該方法是基于VbICA方法發(fā)展起來(lái)的，它繼承了VbICA方法優(yōu)秀盲分離性能的優(yōu)點(diǎn)，同時(shí)通過(guò)隱Markov模型的引入，彌補(bǔ)了VbICA對(duì)動(dòng)態(tài)時(shí)序信號(hào)盲分離的不足。該方法的特點(diǎn)是利用隱Markov模型善于采集潛在數(shù)據(jù)生成過(guò)程狀態(tài)動(dòng)態(tài)變化，在信號(hào)存在動(dòng)態(tài)和非線性的特性的情況下，能夠捕捉信號(hào)中一系列與時(shí)間有關(guān)的時(shí)序信息，提高盲分離的準(zhǔn)確性。仿真研究表明，對(duì)非平穩(wěn)時(shí)變信號(hào)，本文提出的方法的盲分離效果明顯優(yōu)于傳統(tǒng)的靜態(tài)ICA方法，分離誤差大幅度降低。最后通過(guò)軸承故障盲分離實(shí)驗(yàn)進(jìn)一步驗(yàn)證了該方法的有效性。 第四章，提出了一種結(jié)合變分貝葉斯隱Markov模型和自相關(guān)測(cè)定的信號(hào)源數(shù)估計(jì)方法，該方法的基本思路是將隱Markov模型與貝葉斯推論結(jié)合起來(lái)，在貝葉斯推論的模型比較下，通過(guò)自相關(guān)測(cè)定推斷出最佳的隱藏信源數(shù)目。仿真和實(shí)驗(yàn)研究結(jié)果表明，該方法能夠有效的估計(jì)出信源個(gè)數(shù)，并在噪聲環(huán)境下具有很好的魯棒性。 第五章，結(jié)合局域均值分解(LMD)方法和VbHMM理論各自的性能特點(diǎn)，提出一種基于LMD-VbHMM的機(jī)械故障盲源分離方法。在該方法中，首先對(duì)動(dòng)態(tài)混合得到的觀測(cè)信號(hào)進(jìn)行LMD分解，剔除接近零向量的殘量，得到一系列的PF分量，然后將PF分量和原觀測(cè)信號(hào)組成新的觀測(cè)信號(hào)，并考慮噪聲因素，最后用VbHMM方法對(duì)其進(jìn)行盲分離，得到估計(jì)的信號(hào)源。該方法的特點(diǎn)是將源信號(hào)進(jìn)行動(dòng)態(tài)隨機(jī)混合，既能對(duì)非平穩(wěn)時(shí)變信號(hào)進(jìn)行有效盲分離，又能解決欠定條件下的盲分離問(wèn)題。該方法克服了傳統(tǒng)LMD-BSS方法在噪聲環(huán)境下對(duì)時(shí)變混合信號(hào)盲分離的不足。對(duì)于噪聲環(huán)境下非平穩(wěn)性強(qiáng)，動(dòng)態(tài)時(shí)變混合的觀測(cè)信號(hào)的盲分離，通過(guò)仿真和實(shí)驗(yàn)研究結(jié)果都驗(yàn)證了該方法的有效性。 第六章，全面總結(jié)了本文的研究工作內(nèi)容，并對(duì)有必要進(jìn)一步開(kāi)展研究的工作進(jìn)行了展望。
【關(guān)鍵詞】：盲源分離 變分貝葉斯隱Markov模型 故障診斷 源數(shù)估計(jì) 局域均值分解
【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(lèi)號(hào)】：TH165.3
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題的提出及其意義10-12
• 1.2 靜態(tài) ICA 在故障診斷中的研究現(xiàn)狀及不足12
• 1.3 動(dòng)態(tài) ICA 理論研究及應(yīng)用現(xiàn)狀12-15
• 1.3.1 動(dòng)態(tài) ICA 理論研究12-13
• 1.3.2 動(dòng)態(tài) ICA 的應(yīng)用現(xiàn)狀13-15
• 1.4 論文的主要內(nèi)容與創(chuàng)新之處15-17
• 1.4.1 主要內(nèi)容15-16
• 1.4.2 關(guān)鍵問(wèn)題及創(chuàng)新點(diǎn)16-17
• 1.5 本章小結(jié)17-18
• 第2章 VbHMM 的理論基礎(chǔ)18-28
• 2.1 概述18-19
• 2.2 隱 Markov 模型19-25
• 2.2.1 隱 Markov 模型的建立19-20
• 2.2.2 HMM 參數(shù)學(xué)習(xí)20-23
• 2.2.3 尋找最佳狀態(tài)序列23-25
• 2.3 貝葉斯推論與變分近似算法25-27
• 2.3.1 貝葉斯推論25-26
• 2.3.2 變分近似算法26-27
• 2.4 本章小結(jié)27-28
• 第3章 基于 VbHMM 的機(jī)械故障源分離方法研究28-41
• 3.1 概述28-29
• 3.2 VbHMM 理論和算法29-33
• 3.2.1 VbHMM 混合模型的建立29-30
• 3.2.2 VbHMM 信源模型的建立30-31
• 3.2.3 VbHMM 算法31-33
• 3.3 仿真實(shí)驗(yàn)33-37
• 3.4 實(shí)驗(yàn)研究37-39
• 3.5 本章小結(jié)39-41
• 第4章 基于 VbHMM 的機(jī)械故障源數(shù)估計(jì)方法研究41-50
• 4.1 概述41-42
• 4.2 源數(shù)估計(jì)模型的建立42-43
• 4.2.1 貝葉斯推論與 VbHMM 模型比較42-43
• 4.2.2 自相關(guān)測(cè)定43
• 4.3 源數(shù)估計(jì)比較算法43-45
• 4.4 仿真研究45-47
• 4.5 實(shí)驗(yàn)研究47-49
• 4.6 本章小結(jié)49-50
• 第5章 基于 LMD-VbHMM 的機(jī)械故障盲源分離方法50-62
• 5.1 概述50-51
• 5.2 LMD 基本理論和算法51-54
• 5.3 LMD-VbHMM 故障源分離方法54-55
• 5.4 仿真研究55-59
• 1. 仿真實(shí)驗(yàn) 155-58
• 2. 仿真實(shí)驗(yàn) 258-59
• 5.5 實(shí)驗(yàn)研究59-61
• 5.6 本章小結(jié)61-62
• 第6章 總結(jié)與展望62-65
• 6.1 總結(jié)62-63
• 6.2 展望63-65
• 參考文獻(xiàn)65-69
• 攻讀碩士學(xué)位期間發(fā)表的論文和參加科研情況69-70
• 致謝70-71

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李豫川;伍星;柳小勤;賀瑋;;基于形態(tài)濾波和獨(dú)立分量分析的軸承故障盲分離[J];電子測(cè)量技術(shù);2010年09期

2 鐘伯成;;基于信息極大的動(dòng)態(tài)獨(dú)立分量分析[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年08期

3 林春方;郭立;;動(dòng)態(tài)獨(dú)立分量分析算法及其應(yīng)用研究[J];核電子學(xué)與探測(cè)技術(shù);2006年06期

4 汪斌;王年;蔣云志;程志友;鮑文霞;;基于動(dòng)態(tài)獨(dú)立分量分析算法的諧波檢測(cè)[J];電力系統(tǒng)保護(hù)與控制;2011年02期

5 石長(zhǎng)華;謝世坤;臧觀建;李強(qiáng)征;應(yīng)建中;;獨(dú)立分量分析在機(jī)械振動(dòng)信號(hào)上的應(yīng)用研究[J];機(jī)械設(shè)計(jì)與制造;2012年01期

6 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

7 唐先廣;郭瑜;丁彥春;鄭華文;;獨(dú)立分量分析在滾動(dòng)軸承包絡(luò)分析中的應(yīng)用[J];機(jī)械與電子;2010年12期

8 李寧;史鐵林;;基于功率譜密度的盲信號(hào)源數(shù)估計(jì)[J];數(shù)據(jù)采集與處理;2008年01期

9 陳在平;谷秀平;張?bào)@雷;;基于獨(dú)立分量分析(ICA)的圖像去噪方法[J];天津理工大學(xué)學(xué)報(bào);2009年06期

10 張海軍,溫廣瑞,屈梁生;一種提高診斷信息質(zhì)量的方法[J];西安交通大學(xué)學(xué)報(bào);2002年03期

  本文關(guān)鍵詞：基于變分貝葉斯隱Markov模型的機(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)：430890