本文關(guān)鍵詞：強(qiáng)噪聲背景下機(jī)械故障微弱信號特征提取方法研究

  更多相關(guān)文章： 奇異值分解差分譜 LMD 隨機(jī)共振 高通濾波器 分段線性系統(tǒng) 故障特征提取

【摘要】：由于生產(chǎn)設(shè)備惡劣的現(xiàn)場環(huán)境、變化的工況和自身的非線性等特點，使得所測得的振動信號往往具有強(qiáng)噪聲背景、非線性和早期微弱故障信息的特征。這些特征嚴(yán)重影響了設(shè)備狀態(tài)信息的準(zhǔn)確獲取，因此，論文以強(qiáng)噪聲背景中微弱的故障特征為對象，研究機(jī)械設(shè)備微弱的早期故障特征信息提取方法。主要圍繞奇異值分解和隨機(jī)共振技術(shù)展開的。 作為一種非線性降噪方法，，奇異值分解技術(shù)已廣泛應(yīng)用到信號的降噪和檢測中，但是，當(dāng)檢測強(qiáng)噪聲背景中的微弱故障信息時，奇異值分解技術(shù)表現(xiàn)欠佳。針對此問題，論文設(shè)計了一種基于局部均值分解和奇異值分解差分譜理論的微弱信息提取方法，該方法首先通過局部均值分解將非線性非平穩(wěn)的原始信號分解為若干個PF分量，由于強(qiáng)噪聲的影響，難以從PF分量準(zhǔn)確得到特征信息，對PF分量進(jìn)行Hankel矩陣重構(gòu)和奇異值分解，根據(jù)奇異值分解差分譜理論確定有用奇異值的個數(shù)，進(jìn)而得到奇異值分解降噪后的信號，求該信號的包絡(luò)譜，由此進(jìn)行強(qiáng)噪聲背景下微弱特征信息的提取。仿真分析和滾動軸承內(nèi)圈故障實例分析均較好地驗證了設(shè)計的改進(jìn)方法的有效性。 隨機(jī)共振對強(qiáng)噪聲背景下微弱特征信息提取是一種有效的方法。通過調(diào)節(jié)系統(tǒng)結(jié)構(gòu)參數(shù)和噪聲強(qiáng)度可以使隨機(jī)共振達(dá)到最優(yōu)。論文設(shè)計了基于奇異值分解調(diào)節(jié)噪聲強(qiáng)度的隨機(jī)共振方法。該方法首先利用奇異值分解對含噪信號降噪，當(dāng)降噪后的信號中噪聲強(qiáng)度和有用信息達(dá)到最佳匹配，輸入雙穩(wěn)隨機(jī)共振系統(tǒng)中，則輸出響應(yīng)可以達(dá)到最佳隨機(jī)共振。工程實際采集到的信號通常為大參數(shù)、多頻率含有直流分量的信號，利用隨機(jī)共振方法進(jìn)行檢測時，干擾頻率、直流分量等對有用信息的檢測影響較多。為了減少這些影響，論文設(shè)計了基于EEMD高通濾波和級聯(lián)雙穩(wěn)隨機(jī)共振結(jié)合的微弱信號檢測方法。該方法利用了EEMD的高通濾波特性，對分解得到的IMF去除掉小于特征頻率的IMF，對剩余的每個IMF分量進(jìn)行Elliptic高通濾波后重新合成信號，再對合成信號進(jìn)行級聯(lián)雙穩(wěn)隨機(jī)共振處理，得到原始信號的特征頻率。仿真和軸承內(nèi)圈故障信號分析表明，該方法可以減少直流分量和干擾頻率對有用信息提取的影響。 對于信噪比極低的微弱信號的檢測，論文提出了一種級聯(lián)分段線性隨機(jī)共振的微弱信號增強(qiáng)檢測方法。該方法采用分段線性隨機(jī)共振模型，避免了連續(xù)雙穩(wěn)模型對強(qiáng)噪聲下弱信號提取時存在的飽和現(xiàn)象。同時選用分段線性系統(tǒng)的級聯(lián)方式，使高頻噪聲被有效濾掉，低頻信號能量不斷增強(qiáng)。仿真和滾動軸承故障信號的檢測表明，該方法可以適應(yīng)更低信噪比信號，參數(shù)調(diào)節(jié)方便，檢測結(jié)果優(yōu)于級聯(lián)雙穩(wěn)系統(tǒng)。
【關(guān)鍵詞】：奇異值分解差分譜 LMD 隨機(jī)共振 高通濾波器 分段線性系統(tǒng) 故障特征提取
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-19
• 1.1 課題研究的背景及意義10-11
• 1.2 機(jī)械故障微弱信號特征提取方法11-17
• 1.2.1 時頻分析方法的研究進(jìn)展11-13
• 1.2.2 奇異值分解研究進(jìn)展13-15
• 1.2.3 隨機(jī)共振的研究進(jìn)展15-17
• 1.3 本文研究主要內(nèi)容及結(jié)構(gòu)安排17-18
• 1.4 本章小結(jié)18-19
• 2 奇異值分解及奇異值差分譜的基本理論19-30
• 2.1 引言19
• 2.2 奇異值分解基本理論19-22
• 2.2.1 奇異值分解定義19-21
• 2.2.2 奇異值分解的性質(zhì)和意義21-22
• 2.3 奇異值差分譜理論及有效奇異值選擇方法22-28
• 2.3.1 奇異值差分譜基本理論22-24
• 2.3.2 基于奇異值差分譜的奇異值選擇方法仿真分析24-28
• 2.4 本章小結(jié)28-30
• 3 基于 LMD 和奇異值差分譜的故障特征提取方法研究30-41
• 3.1 引言30
• 3.2 LMD 基本原理及方法30-33
• 3.3 基于 LMD 分解和奇異值差分譜的故障特征提取方法33-34
• 3.4 軸承故障特征提取應(yīng)用34-40
• 3.5 本章小結(jié)40-41
• 4 基于奇異值分解噪聲調(diào)節(jié)的雙穩(wěn)隨機(jī)共振檢測方法41-56
• 4.1 引言41
• 4.2 連續(xù)雙穩(wěn)隨機(jī)共振原理41-50
• 4.2.1 朗之萬方程41-43
• 4.2.2 �？恕绽士朔匠�43
• 4.2.3 雙穩(wěn)系統(tǒng)隨機(jī)共振模型43-46
• 4.2.4 周期信號驅(qū)動的雙穩(wěn)隨機(jī)共振46-47
• 4.2.5 輸出信噪比與參數(shù)的關(guān)系47-50
• 4.3 基于 SVD 噪聲調(diào)諧的隨機(jī)共振信號檢測方法研究50-55
• 4.3.1 雙穩(wěn)系統(tǒng)隨機(jī)共振仿真分析50-51
• 4.3.2 基于 SVD 噪聲調(diào)節(jié)的隨機(jī)共振信號檢測方法研究51-55
• 4.4 本章小結(jié)55-56
• 5 EEMD 和級聯(lián)雙穩(wěn)隨機(jī)共振的機(jī)械故障提取方法研究56-65
• 5.1 引言56
• 5.2 EEMD 高通濾波原理56-58
• 5.3 仿真信號分析及不足58-59
• 5.4 基于 EEMD 和 CBSR 的微弱信號增強(qiáng)檢測方法59-60
• 5.5 機(jī)械故障特征提取驗證60-63
• 5.6 結(jié)論63-65
• 6 級聯(lián)分段線性隨機(jī)共振的微弱信號檢測方法研究65-78
• 6.1 引言65
• 6.2 分段線性隨機(jī)共振原理65-72
• 6.2.1 分段線性系統(tǒng)模型65-67
• 6.2.2 分段線性系統(tǒng)求解67-69
• 6.2.3 分段線性系統(tǒng)參數(shù)調(diào)節(jié)69-72
• 6.3 分段線性隨機(jī)共振仿真分析72-75
• 6.3.1 強(qiáng)噪聲背景下仿真信號分析72-73
• 6.3.2 級聯(lián)分段線性模型仿真分析73-75
• 6.4 機(jī)械故障特征提取實例75-77
• 6.5 本章小結(jié)77-78
• 7 總結(jié)與展望78-80
• 參考文獻(xiàn)80-87
• 攻讀碩士學(xué)位期間發(fā)表的論文及所取得的研究成果87-88
• 致謝88-89

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉琦;張引;葉修梓;俞榮棟;;基于奇異值分解的RNA二級結(jié)構(gòu)相似度計算方法[J];浙江大學(xué)學(xué)報(工學(xué)版);2007年08期

2 訾方;張科;趙大煒;劉冬;;基于模極大值矩陣奇異值分解的信號特征提取與分類識別[J];彈箭與制導(dǎo)學(xué)報;2004年S6期

3 吳定海;張培林;張英堂;任國全;徐超;;基于時頻奇異譜的柴油機(jī)缸蓋振動信號特征提取研究[J];振動與沖擊;2010年09期

4 羅忠亮;林土勝;楊軍;趙曉芳;;基于EMD和SVD的虹膜特征提取及識別[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2011年02期

5 杜林;戴斌;陸國俊;孫才新;王有元;;基于S變換局部奇異值分解的過電壓特征提取[J];電工技術(shù)學(xué)報;2010年12期

6 王敏;尹政興;李漢強(qiáng);;基于小波變換和奇異值的人臉特征提取[J];中國水運(理論版);2006年03期

7 劉建國;李志舜;;基于連續(xù)小波變換的湖底回波特征提取[J];西北工業(yè)大學(xué)學(xué)報;2006年01期

8 呂勇;李友榮;王志剛;朱瑞蓀;;基于奇異值分解及包絡(luò)分析的齒輪局部故障特征提取[J];機(jī)床與液壓;2007年05期

9 韓延彬;李金屏;;一種基于局部特征的人臉識別方法[J];濟(jì)南大學(xué)學(xué)報(自然科學(xué)版);2007年01期

10 陳東曉;陳慶奎;;基于密度優(yōu)化的KNN算法的研究[J];上海理工大學(xué)學(xué)報;2010年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 廖海斌;王宏勇;;基于灰色理論的人臉圖像特征融合識別[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 岳紅;蔣慰孫;;基于奇異值分解的改進(jìn)Bayes集員辨識遞推算法[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

3 張友民;陳洪亮;戴冠中;;基于奇異值分解的固定區(qū)間平滑新方法[A];1995年中國控制會議論文集（上）[C];1995年

4 曾建國;陳光夢;;基于張量分解的動態(tài)紋理合成技術(shù)研究[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

5 吳曉穎;吳俊;董濱江;;TK方法在γ譜分析中的應(yīng)用[A];第7屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（三）[C];1994年

6 王修運;柏森;李秀;劉陽;粘永健;;基于圖像直方圖不變矩和奇異值分解的圖像認(rèn)證方法[A];第三屆全國數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會論文摘要集[C];2004年

7 徐慧英;朱信忠;趙建民;殷建平;;基于分塊奇異值分解的數(shù)字水印算法及實現(xiàn)[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

8 李蓓;金聰;;基于奇異值分解的數(shù)字水印算法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

9 曾亮;;時變參數(shù)的全最小二乘遞推辨識法[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

10 楊蓮;楊虎;;關(guān)于泛嶺估計的影響分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 燕海霞；王憶勤；李福鳳;脈象信號研究日漸深入[N];中國醫(yī)藥報;2005年

2 沈占鋒;遙感影像信息提取與分析[N];計算機(jī)世界;2006年

3 王竣;深入開發(fā)CAD系統(tǒng)對疾病診斷有重要意義[N];中國醫(yī)藥報;2007年

4 北京數(shù)碼空間信息技術(shù)有限公司技術(shù)總監(jiān) 劉斌;Web Mining：第二代網(wǎng)絡(luò)信息處理技術(shù)[N];計算機(jī)世界;2000年

5 上海 高博;讓電腦“聽懂”人話[N];電腦報;2008年

6 記者 何騰江　通訊員 周匯成;驗鈔新技術(shù)通過鑒定[N];中山日報;2008年

7 中科院自動化所 何鵬 陶建華 譚鐵牛;看懂人的“臉色”[N];計算機(jī)世界;2005年

8 張東方;沙明;楊松松;人工神經(jīng)網(wǎng)絡(luò)在中藥領(lǐng)域中的應(yīng)用[N];中國醫(yī)藥報;2003年

9 東莞市神州視覺科技有限公司總經(jīng)理 潘恒義;避免價格戰(zhàn)在AOI市場重演[N];中國電子報;2007年

10 孫哲南　譚鐵牛;生物識別的十大關(guān)鍵技術(shù)[N];計算機(jī)世界;2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

2 趙艷菊;強(qiáng)噪聲背景下機(jī)械設(shè)備微弱信號的提取與檢測技術(shù)研究[D];天津大學(xué);2009年

3 李兆飛;振動故障分形特征提取及診斷方法研究[D];重慶大學(xué);2013年

4 李強(qiáng);基于振動信號的輪式機(jī)器人地面分類方法研究[D];哈爾濱工程大學(xué);2013年

5 蔣永華;旋轉(zhuǎn)機(jī)械非平穩(wěn)信號微弱特征提取方法研究[D];重慶大學(xué);2010年

6 劉艷艷;子空間特征提取方法及其在人臉識別中的應(yīng)用[D];大連理工大學(xué);2008年

7 趙玲;旋轉(zhuǎn)機(jī)械系統(tǒng)故障特征提取中的分形方法研究[D];重慶大學(xué);2010年

8 潘鋒;特征提取與特征選擇技術(shù)研究[D];南京航空航天大學(xué);2011年

9 程發(fā)斌;面向機(jī)械故障特征提取的混合時頻分析方法研究[D];重慶大學(xué);2007年

10 朱啟兵;基于小波理論的非平穩(wěn)信號特征提取與智能診斷方法研究[D];東北大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高仕龍;基于二元樹復(fù)小波變換的特征提取與識別[D];四川大學(xué);2005年

2 王志武;強(qiáng)噪聲背景下機(jī)械故障微弱信號特征提取方法研究[D];中北大學(xué);2014年

3 隋廣洲;基于若干代數(shù)特征的人臉識別算法研究[D];大連理工大學(xué);2007年

4 李鋒;控制系統(tǒng)傳感器魯棒故障檢測方法研究[D];華北電力大學(xué)（河北）;2004年

5 龍開文;基于模板匹配的人臉檢測[D];四川大學(xué);2005年

6 廖文彬;基于矩陣奇異值分解的圖像壓縮方法研究[D];成都理工大學(xué);2007年

7 劉春婷;電容層析成像系統(tǒng)的算法研究[D];沈陽工業(yè)大學(xué);2004年

8 魏雪娟;基于傅立葉變換技術(shù)的人臉識別系統(tǒng)[D];四川大學(xué);2005年

9 胡水清;基于ArcGIS Engine的鈾成礦信息提取系統(tǒng)研發(fā)及應(yīng)用[D];吉林大學(xué);2005年

10 王桂臣;SVD揭示的熱帶印度洋海氣變率及其與北半球環(huán)流變化的聯(lián)系[D];南京信息工程大學(xué);2006年

本文編號：682911