盲信號(hào)理論及在機(jī)械設(shè)備故障檢測(cè)與分析中的應(yīng)用研究.pdf

1、先進(jìn)制造技術(shù)的發(fā)展要求現(xiàn)代制造系統(tǒng)必須安全可靠穩(wěn)定運(yùn)行,使得加工設(shè)備和加工過程的工況監(jiān)控和故障診斷越來越重要,成為一門集傳感器技術(shù)、圖像處理、自動(dòng)控制、人工智能、信號(hào)處理為一體的綜合性技術(shù)。監(jiān)控和診斷一般采用多個(gè)傳感器獲取信息,信息量很大,如何對(duì)采集的信息進(jìn)行融合并從大量檢測(cè)信號(hào)中濾掉無(wú)用的干擾和噪聲、提取有用的信號(hào)特征一直是監(jiān)控和診斷過程中的難題。信號(hào)處理領(lǐng)域新近發(fā)展的盲源分離技術(shù)因?yàn)槟茉谖粗盘?hào)詳細(xì)特征的情況下僅根據(jù)信號(hào)的統(tǒng)計(jì)特征恢

2、復(fù)信號(hào)源,可以用來消除測(cè)量信號(hào)臨近機(jī)器和部件引起的干擾,將感興趣信號(hào)和干擾信號(hào)分離開來,成為近年機(jī)械設(shè)備故障診斷領(lǐng)域的研究新熱點(diǎn)。本文首先回顧了機(jī)械設(shè)備監(jiān)控和故障診斷技術(shù)的理論和應(yīng)用研究現(xiàn)狀,并指出在測(cè)量信號(hào)中若包含干擾時(shí)過去往往需要關(guān)于被監(jiān)控設(shè)備大量詳細(xì)的先驗(yàn)知識(shí),包括對(duì)具體結(jié)構(gòu)的詳細(xì)了解才能將干擾的影響消除。接著介紹了盲源分離應(yīng)用于加工領(lǐng)域的意義和前景,提出了基于盲源分離的監(jiān)控和故障檢測(cè)的流程,就實(shí)際應(yīng)用中遇到的源數(shù)估計(jì)等四個(gè)方面的

3、問題展開了深入研究。利用m-p-p神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)從網(wǎng)絡(luò)最終輸出成分的能量和信息化準(zhǔn)則兩方面推導(dǎo)了兩種自適應(yīng)主成分分析算法,解決了在未知信號(hào)源個(gè)數(shù)時(shí)如何從測(cè)量的混合信號(hào)中實(shí)時(shí)提取指定個(gè)數(shù)的主要成分的問題,并對(duì)基于信息化準(zhǔn)則主成分分析自適應(yīng)算法的穩(wěn)定性、收斂性給出了完整的理論證明。證明了該算法收斂速度快、具有全局穩(wěn)定性和全局唯一最優(yōu)值,并通過仿真驗(yàn)證了算法的有效性。研究和總結(jié)了現(xiàn)有瞬時(shí)混合盲源分離算法,指出了盲源分離應(yīng)用于機(jī)械噪聲分析時(shí)必須解

4、決被研究信號(hào)在正常和故障工況時(shí)信號(hào)呈現(xiàn)不同峰度特性的問題,并據(jù)此提出了一種兩階段自適應(yīng)噪聲盲分離算法,給出了非線性函數(shù)的選取準(zhǔn)則,有效解決了峰度變化的難題,同時(shí)通過采用m-p-p神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的主成分分析算法作為預(yù)處理使算法具有較好的魯棒性。機(jī)械噪聲分析中環(huán)境惡劣,用小樣本數(shù)據(jù)進(jìn)行盲源分離能更好地保證待分離信號(hào)是平穩(wěn)隨機(jī)過程這一模型成立的前提條件。針對(duì)小樣本情況指出了目前機(jī)械噪聲盲分離中研究較多的FASTICA算法及其它高階累積量算法存在

5、的問題,研究了基于二階相關(guān)的SOBI算法和基于非參數(shù)熵估計(jì)的批處理盲源分離算法。利用魯棒預(yù)白化技術(shù)提高了SOBI算法在高斯噪聲干擾下的信號(hào)分離性能。針對(duì)輸入維數(shù)不高的盲源分離應(yīng)用特別對(duì)二維盲分離,提出了對(duì)m-spacing熵進(jìn)行平滑濾波的盲源分離新思想,通過實(shí)驗(yàn)證明了新算法比FASTIACA具有更優(yōu)性能。針對(duì)卷積混合噪聲模型介紹了傳統(tǒng)的卷積混合盲分離算法,研究了兩種新穎的傅立葉變換技術(shù)?；诨瑒?dòng)傅立葉變換提出了一種僅利用一個(gè)頻率點(diǎn)信息實(shí)

6、現(xiàn)卷積混合盲分離的的頻率域算法,大大降低了傳統(tǒng)頻率域算法的計(jì)算復(fù)雜性。在此基礎(chǔ)上又提出了兩種利用少數(shù)幾個(gè)頻率點(diǎn)信息實(shí)現(xiàn)卷積混合盲源分離的頻率域盲算法,提高了信號(hào)分離的魯棒性。其中多頻點(diǎn)算法(二)利用非參數(shù)熵評(píng)價(jià)單頻點(diǎn)盲反卷積算法性能,通過合適選擇參數(shù)使得只需執(zhí)行少數(shù)幾次單頻點(diǎn)盲反卷積就能得出最優(yōu)的反卷積結(jié)果,同時(shí)給出了算法參數(shù)選擇準(zhǔn)則。本文提出的卷積混合盲分離算法算法均克服了傳統(tǒng)頻域算法排列模糊和幅度模糊影響分離結(jié)果的缺點(diǎn),降低了計(jì)算復(fù)