盲源分离中机械振源源数估计理论研究

摘要

机械故障的特征提取是故障诊断的关键,传统的故障特征提取与故障诊断方法在实际应用中体现出诸多方面的不足,而盲源分离(Blind Source Separation, BSS)为克服传统方法的不足提供了新的解决思路,其在源信号至传感器的传输通道参数未知和源信号未知的情况下通过观测信号完成对源信号的估计和对传输信道的辨识,盲分离估计出来的源信号更能反映原始信号的诸多特征。现有的大多数BSS算法都是假设源信号数目小于或等于观测信号数目的,然而,在实际应用中,机械设备的振动源数很有可能会大于传感器观测数,难以满足BSS算法的这一对源数假设的要求,这样势必导致算法最终不能得到期望的分离效果。鉴于此,本文主要进行了以下研究内容:
　　1)讲述本课题研究的背景和意义,以及BSS的发展概况。
　　2)详细介绍了BSS的理论和相关的理论知识,并有选择性地介绍了几种BSS的典型算法。
　　3)从BSS在故障诊断领域的应用出发,深入研究了盲信号源数估计,指出传统盲信号源数估计方法的不足,提出一种新的盲信号源数估计方法,仿真和实验对新的源数估计方法进行了验证。
　　4)考虑到大多数盲信号源数估计方法的提出并未涉及非平稳信号的影响,而现实应用中非平稳信号在故障诊断过程中是时常存在的,因此,提出一种非平稳信号存在的环境下的一种基于小波时频变换及观测信号小波系数关系的非平稳盲信号的源数估计,并通过仿真对该方法进行验证。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题概述

1.2 国内外研究现状

1.3 论文主要研究内容和结构安排

1.4 本章小结

第2章 盲源分离理论

2.1 盲源分离的产生

2.2 盲源分离问题描述

2.3 盲源分离技术介绍

2.4 盲源分离的不确定性

2.5 盲源分离的数据预处理

2.6 盲源分离相关理论知识

2.7 盲源分离的主要算法介绍

2.8 本章小结

第3章 基于改进K_means聚类和功率谱密度的盲信号源数估计

3.1 引言

3.2 传统源数估计法

3.3基于改进K_means聚类和功率谱密度的盲信号源数估计

3.4 实验研究

3.5 本章小结

第4章 基于小波变换的非平稳盲信号源数估计

4.1 引言

4.2 数学模型

4.3 非平稳信号的时频分析方法

4.4 非平稳盲信号源数估计

4.5模糊C均值聚类算法

4.6 仿真与分析

4.7 本章小结

第5章 结论与展望

5.1 结论

5.2 展望

致谢

参考文献

附录1攻读硕士学位期间发表的论文

附录2攻读硕士学位期间参加的科研项目