旋轉(zhuǎn)機(jī)械細(xì)粒度故障智能診斷是現(xiàn)代工業(yè)領(lǐng)域中不可或缺的一項(xiàng)工作。考慮到旋轉(zhuǎn)機(jī)械一維振動(dòng)信號(hào)是復(fù)雜和非平穩(wěn)的,本文結(jié)合信號(hào)的時(shí)頻分析理論、深度半負(fù)矩陣分解（Deep Semi-NMF）和多層級(jí)聯(lián)細(xì)粒度故障檢測(cè)模型,提出了基于時(shí)頻圖像和多層次稀疏編碼的細(xì)粒度故障級(jí)聯(lián)檢測(cè)框架。該框架分為時(shí)頻圖像構(gòu)建、多層次稀疏編碼和多層級(jí)聯(lián)分類模型三部分,用以實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障的細(xì)粒度故障識(shí)別。由于傳統(tǒng)時(shí)頻分析方法的聚焦性不強(qiáng)和交叉項(xiàng)較嚴(yán)重等問(wèn)題,利用S變換（ST）理論和多次同步壓縮理論,提出了新穎的多次同步壓縮S變換（MSSST）時(shí)頻算法,并結(jié)合非局部均值（NLM）去噪算法來(lái)構(gòu)建旋轉(zhuǎn)機(jī)械一維振動(dòng)信號(hào)的時(shí)頻圖像。該算法通過(guò)多次迭代壓縮S變換,使得S變換的時(shí)頻系數(shù)得到了多次重分配,這樣大大提高了時(shí)頻系數(shù)的聚焦性。在仿真實(shí)驗(yàn)中,通過(guò)與短時(shí)傅里葉變換（STFT）、ST、同步壓縮變換（SST）、二階同步壓縮變換（SST2）和多次同步壓縮變換（MSST）算法進(jìn)行對(duì)比實(shí)驗(yàn),MSSST時(shí)頻圖像視覺(jué)效果要優(yōu)于其他時(shí)頻圖像,MSSST生成的時(shí)頻圖像對(duì)應(yīng)的熵值為0.4938,均小于其他時(shí)頻圖像,并且MSSST算法只需迭代壓縮3次即... 

【文章來(lái)源】：湖北工業(yè)大學(xué)湖北省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文總體結(jié)構(gòu)

湖北工業(yè)大學(xué)碩士學(xué)位論文122.1.1NLM去噪算法的基本理論一維NLM算法主要思想是：在一維信號(hào)中用固定的搜索窗口來(lái)滑動(dòng)搜索所有與目標(biāo)信號(hào)塊s0相似的信號(hào)塊s1,s2,s3…sn，然后將其加權(quán)平均即可得到目標(biāo)塊的估計(jì)值，如圖2.1所示。其計(jì)算公式如下[49]：0000()0()1(,)()()(,)iiiisMsisMsswsssNsNswss（2-1）式中：0s表示目標(biāo)信號(hào)塊s0中心的估計(jì)值，0(,)iwss表示信號(hào)塊si與信號(hào)塊s0的相似程度，N(s)表示所有相似信號(hào)塊的相似程度之和。其中相似度(權(quán)重)的計(jì)算方式如下：2002(,)(,)exp()2iiDdsswssL（2-2）式中：表示濾波器的參數(shù)，D表示以s0為中心的目標(biāo)信號(hào)塊，DL表示以si為中心的一個(gè)相似信號(hào)塊，20(,)idss表示兩個(gè)相似塊間的逐點(diǎn)差的平方（權(quán)重）。圖2.1NLM算法示意圖2.1.2NLM基本參數(shù)設(shè)置對(duì)于二維圖像而言，NLM算法的目的是通過(guò)一定區(qū)域內(nèi)的相似塊來(lái)恢復(fù)指定像素塊的像素值，其具體過(guò)程是在整幅圖像中通過(guò)搜素窗口找到與指定像素塊相似的區(qū)域塊，然后，通過(guò)權(quán)重求解相似區(qū)域塊與目標(biāo)區(qū)域塊的權(quán)重值，最后，平均得到指定區(qū)域的像素值。受到二維圖像NLM去噪過(guò)程的啟發(fā)，對(duì)于旋轉(zhuǎn)機(jī)械一維振動(dòng)信號(hào)，也提出了對(duì)應(yīng)的相關(guān)參數(shù)設(shè)定。假設(shè)需要恢復(fù)的信號(hào)塊為s0，NLM算法在求解過(guò)程中用到的主要參數(shù)為：搜索區(qū)域半寬R，信號(hào)塊半寬K和濾波參數(shù)。相似信號(hào)塊si與目標(biāo)信號(hào)塊s0之間通過(guò)區(qū)域搜索可以得到，信號(hào)塊si和s0具有相同的寬度，可以通過(guò)w(s0,si)來(lái)計(jì)算它們之間的相似度。在指定的區(qū)域內(nèi)，

湖北工業(yè)大學(xué)碩士學(xué)位論文13搜索出所有與目標(biāo)塊相似的信號(hào)塊，求解它們之間的相似度，然后平均即可求出目標(biāo)塊s0的估計(jì)值。圖2.2顯示了NLM算法的相關(guān)參數(shù)示意圖。圖2.2NLM算法的參數(shù)示意(1)結(jié)構(gòu)塊參數(shù)設(shè)置目標(biāo)信號(hào)塊的寬度D是NLM算法中的一個(gè)非常重要的參數(shù)，從圖中可以看出D=2K+1，K為信號(hào)塊半寬。它直接決定著目標(biāo)信號(hào)塊的大小，同時(shí)也決定了搜索窗口的尺寸，因此，寬度D的取值要與具體情況相適應(yīng)。如果寬度D選取過(guò)大，則目標(biāo)信號(hào)塊包含的信息過(guò)于復(fù)雜，導(dǎo)致在搜索過(guò)程中得到的相似信號(hào)塊不足，最后導(dǎo)致參與計(jì)算的相似信號(hào)塊不足，從而計(jì)算得平均值不能充分反映目標(biāo)信號(hào)塊的細(xì)節(jié)部分，且達(dá)不到去噪的效果。如果D選取過(guò)小，在搜索的過(guò)程中會(huì)得到大量的相似信號(hào)塊，導(dǎo)致最后的計(jì)算量過(guò)大，由于噪聲隨機(jī)性太大，搜索到的相似信號(hào)塊不具有特殊性，從而不能計(jì)算出原始信號(hào)的細(xì)節(jié)部分。一個(gè)合適的D直接決定去噪性能，對(duì)于一維的振動(dòng)信號(hào)，寬度D的取值可以由經(jīng)驗(yàn)公式可得，公式[49]如下：int[0.5(1)]sbfDf(2-3)式中：sf為采樣頻率，單位Hz；bf為典型波形頻率，單位Hz，即理論故障計(jì)算頻率；int()àdk為取整函數(shù)。(2)搜索域參數(shù)設(shè)置搜索域?qū)挾萂=2R+1直接影響著搜索區(qū)域的范圍大小，搜索域?qū)挾萂的合理取值也至關(guān)重要。理論上搜索域?qū)挾萂越大越好，但是寬度M過(guò)大，直接導(dǎo)致搜索計(jì)算量成倍增加，實(shí)際搜索過(guò)程很難進(jìn)行。根據(jù)相關(guān)經(jīng)驗(yàn)可知，對(duì)于信號(hào)長(zhǎng)度N<4000時(shí)，盡量讓搜索域?qū)挾萂覆蓋整個(gè)信號(hào)，充分利用一段信號(hào)自身的冗余信息達(dá)到去噪的效果；對(duì)于信號(hào)長(zhǎng)度N>4000時(shí)，綜合考慮計(jì)算量的情況，搜索域?qū)挾萂取0.25N~0.33N之間，使得最終參與計(jì)算的相似信號(hào)塊數(shù)量也足以滿足求解的需要，同時(shí)計(jì)算量也合適，且最終對(duì)實(shí)驗(yàn)結(jié)果影響也

【參考文獻(xiàn)】：
期刊論文
[1]時(shí)間域和頻率域二階同步壓縮變換及其在儲(chǔ)層識(shí)別中的應(yīng)用[J]. 李振春,孫苗苗,王姣,劉延利,楊國(guó)權(quán),李慶洋,楊博.  中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[2]基于振動(dòng)時(shí)頻圖像全局和局部特征融合的柴油機(jī)故障診斷[J]. 牟偉杰,石林鎖,蔡艷平,鄭勇,劉浩.  振動(dòng)與沖擊. 2018(10)
[3]基于EEMD和改進(jìn)的形態(tài)濾波方法的軸承故障診斷研究[J]. 沈長(zhǎng)青,謝偉達(dá),朱忠奎,劉方,黃偉國(guó),孔凡讓.  振動(dòng)與沖擊. 2013(02)
[4]機(jī)械故障診斷基礎(chǔ)研究“何去何從”[J]. 王國(guó)彪,何正嘉,陳雪峰,賴一楠.  機(jī)械工程學(xué)報(bào). 2013(01)
[5]基于改進(jìn)Hilbert-Huang變換的機(jī)械故障診斷[J]. 雷亞國(guó).  機(jī)械工程學(xué)報(bào). 2011(05)
[6]基于多尺度線調(diào)頻基稀疏信號(hào)分解的廣義解調(diào)方法及其在齒輪故障診斷中的應(yīng)用[J]. 皮維,于德介,彭富強(qiáng).  機(jī)械工程學(xué)報(bào). 2010(15)
[7]基于提升多小波的機(jī)電設(shè)備復(fù)合故障分離和提取[J]. 袁靜,何正嘉,訾艷陽(yáng).  機(jī)械工程學(xué)報(bào). 2010(01)
[8]一種基于瞬時(shí)能量分布特征的汽輪發(fā)電機(jī)組轉(zhuǎn)子故障診斷新方法[J]. 曹沖鋒,楊世錫,楊將新.  振動(dòng)與沖擊. 2009(03)
[9]幾種時(shí)頻分析方法比較[J]. 陳雨紅,楊長(zhǎng)春,曹齊放,李波濤,尚永生.  地球物理學(xué)進(jìn)展. 2006(04)
[10]基于EMD和功率譜的齒輪故障診斷研究[J]. 李輝,鄭海起,唐力偉.  振動(dòng)與沖擊. 2006(01)

博士論文
[1]基于時(shí)頻圖像識(shí)別的旋轉(zhuǎn)機(jī)械多特征融合故障診斷方法研究[D]. 王維剛.哈爾濱工業(yè)大學(xué) 2016

碩士論文
[1]非負(fù)矩陣分解及其在多譜信號(hào)處理中的應(yīng)用[D]. 黃司輝.廣東工業(yè)大學(xué) 2018
[2]基于深度學(xué)習(xí)的旋轉(zhuǎn)機(jī)械軸心軌跡細(xì)粒度識(shí)別算法研究[D]. 艾成漢.湖北工業(yè)大學(xué) 2018
[3]非局部均值濾波算法及其在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D]. 祝青林.武漢科技大學(xué) 2015



本文編號(hào)：3264329