收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

自适应时频分析技术及其在故障诊断中的应用研究

王胜春  
【摘要】: 工程中设备运行状态千变万化,存在着大量的非平稳动态信号,机械设备在运行过程中当故障发生或发展时也将导致动态信号非平稳性的出现,因此,非平稳性可表征某些故障的存在。对于机械设备运行中的非平稳信号,其频谱特性是随时间而变化的,单纯的时域或频域分析不能够充分描述非平稳信号,而时频分析提供了信号的频谱内容随时间变化的信息,是非平稳信号分析的有力工具。本文结合国家自然科学基金(No.50675209)、河南省杰出人才创新基金(No.0621000500)和河南省重大科技攻关资助项目(No.0122022000),针对目前时频分析方法的局限,基于不同的构造方法对时频分辨率的改善进行了深入研究。其主要内容包括以下几方面: 1.本文在对二次型时频分布及自适应核进行深入研究的基础上,分析了固定核函数的缺陷,基于信号的自项、交叉项在模糊域的特点,以及模糊域和时频域的关系,提出了自适应抛物线核时频分析方法,给出了其定义和算法。通过对几种不同类型的仿真信号进行分析,并与其他时频分布结果进行对比,表明本文提出的自适应抛物线核时频分析方法克服了固定核函数的缺陷,使得核函数能够基于信号特征而自适应变化,避免了0/1截断自适应矩形核的振荡缺陷,减小了核通带和阻带之间的距离,从而实现了更高的时频分辨率。自适应抛物线核时频分析方法由于核函数对信号自项的选通作用,不仅较好地抑制了交叉项,同时对噪声起到了很好的抑制效果。自适应抛物线核时频分析方法由于对信号不作任何要求和假设,这种方法所能适应的信号范围更广泛。 2.利用谐波小波具有更普遍意义上的正交性、优异的时频分解能力和消除频带重迭与能量泄漏的优点,本文提出了谐波小波包分解方法,并给出了其具体算法。然后,根据匹配追踪原理,在谐波小波包分解的基础上,应用最大投影分解理论,进一步提出了基于谐波小波包的自适应分解算法,根据谐波小波包分解得到的原子字典,将信号分解为一系列谐波小波基原子的线性组合。谐波小波包自适应分解方法可以完全消除二次型时频分布中无法避免的交叉项的干扰,充分利用谐波小波理想的频带滤波特性,消除了能量的泄漏,从而消除了小波包分解及小波包匹配追踪中经常出现的虚假频率。谐波小波包自适应分解方法根据信号结构特点,在谐波小波包原子字典中自适应选择与其局部结构最佳匹配的时频原子,避免了小波包分解中信号信息被冲淡的缺陷,从而使得对信号的描述更为准确、细致,因而提高了时频分辨率。 3.为了更好的描述工程中大量存在的非平稳信号的时变特征,研究了基于Chirplet的自适应分解方法。基于原子字典,使用匹配追踪方法进行分解的Chirplet方法,由于随着参数类型的增加,字典中所含的原子个数将大为增加,字典将变得庞大,若信号不能完全与字典中的原子相吻合时,则需要字典中的多个原子进行拟合,这样就会将信号的特征冲淡,因而不能更好地表征信号,此外,在低信噪比的情况下,因为噪声的影响也使得信号特征提取不好。由于Chirplet分解方法的关键是基函数参数的选择,本文针对自适应Chirplet时频分析,提出了一种Chirplet参数估计的算法来自适应分解信号,自适应设计最佳的基函数。 首先研究了分数阶傅立叶变换的算法,利用分数阶傅立叶变换进行信号分量的调频率搜索,这种调频率估计与Randon-Wigner变换相比,既减少了搜索量,又可以降低噪声对估计值的影响。虽然基于分数阶Fourier变换的信号调频率检测方法在检测单分量信号和强度相近的多分量信号时很有效,但在检测强度相差较大的多分量信号时,则可能存在强分量掩盖弱分量的问题。而本文的自适应分解方法每分解出一个信号分量,则从残余信号中减去该分量,利用这种逐次消去思想,正好解决了检测信号时强分量掩盖弱分量的问题,因而得到了更好的估计精度。在此基础上,提出构造函数对信号进行变换,利用短时傅立叶变换进行时间中心、频率中心和尺度因子的估计,利用拟牛顿和期望最大化(EM)方法进一步提高参数估计的精度,本文将EM方法的原理引入匹配追踪的参数估计,考虑了完备数据中噪声的存在,使得每次分解结果收敛于全局最大值,因而得到了更好的参数估计。仿真试验也表明,当信号具有较低的信噪比时,本文方法仍然给出了分辨率良好的时频分布,体现出了本文方法的鲁棒性。 本文提出的自适应Chirplet参数估计及信号分解方法保证了每一个基函数都是按照与信号最匹配的最大投影分解原则来选择,因而能够以更少的基函数、更稀疏而精确的描述信号,准确地刻画信号的时频特征,不仅可以得到良好的时频分布,更为故障诊断中的智能诊断提供了极为有利的条件。当信号类型与基函数类型相同时,信号分解次数与信号分量个数相同就能完全将信号有效的表示。当信号类型与基函数类型不相同时,信号分量可以用多个基函数来逐段近似,因而仍能得到反映信号特征的时间-频率特性。 4.从参数化建模的角度出发,研究了用系数参量表征非平稳信号的时变参数模型方法,通过将模型的时变参数展开在一系列随时间变化的时间基上的方法,将时变参数的估计转化为时不变参数的估计,用带遗忘因子的递推最小二乘法进行参数估计,从而实现了时变信号的自适应时频分析。提出了小波基时间函数的TVAR自适应时频分析方法,研究了该分析方法的理论,推导了其算法。给出了其计算步骤。用仿真算例进行了TVAR自适应时频分析方法的可行性验证及其性能研究,结果显示,基于TVAR建模的自适应时频分析方法对时变信号的跟踪及时频分辨率均优于传统的时频分析方法,与假设在一段时间间隔上信号是平稳的参数估计方法相比,时变参数模型法可以进一步提高参数估计的精度和对时变信号的跟踪能力。基于TVAR建模的自适应时频分析方法可以克服时频分布大数据量的问题,参数化建模时频分析又避免了分辨率受采样频率和采样点数的限制,具有分辨率高的优点。基于TVAR的时频分析方法对时间基函数有一定的依赖作用,不同的基函数对时频分布的结果有一定影响,文中提出的小波基函数由于具有良好的时频聚集能力,因而比傅立叶基、勒让德基等对信号的适应能力更广,对信号的拟合性能更优。采用递推最小二乘算法避免了矩阵的求逆运算,从而避开了病态矩阵对算法结果的影响,同时由于观测数据的递推进行,从而节约了存储量和运算时间,更利于适时、在线的进行信号分析与处理。但是,基于TVAR的时频分析方法由于在参数估计过程中以误差平方最小为目标,当信号染噪时,这种方法不可避免地受到较大的影响,因而这种方法的抗噪性能虽然比常用的Wigner分布好,但总体来说对染噪信号分析的鲁棒性有待于进一步提高。 5.由于旋转机械的绝大多数故障都与转子及其组件(齿轮、轴承)直接相关,其它位置的故障相对较少,而滚动轴承属于故障易发性零件,并且轴承出现故障时,其信号属于典型的非平稳信号,因而本文进行了试验的构建,获取了转子和滚动轴承的故障实验信号。应用本文所提出的几种自适应时频分析方法对故障信号进行了分析,获得了其时频分布特征。与常用时频分布相比,本文所提出的自适应时频分析可以更好地刻画信号的时频特征,尤其是自适应抛物线核时频分析和自适应Chirplet分解方法不仅具有良好的时频分辨率,而且对信噪比较低的信号仍能较好地提取故障特征,显示了其优良的抗噪性能。根据滚动轴承信号的实验结果对几种自适应时频分析方法进行了分析对比,指出了各自的特点和应用范围,验证了本文算法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘宇斌;;一种分阶段的高精度亚像素特征点提取方法[J];南华大学学报(自然科学版);2006年02期
2 楼天良;蒋惠忠;;一种适于高维时间序列的特征提取方法(英文)[J];浙江科技学院学报;2007年02期
3 胡敏;曾国强;;一种序列CCD星图中运动目标识别的稳健算法[J];装备指挥技术学院学报;2007年05期
4 李凯;秦江敏;杨军;;基于核规范主元分析法的雷达目标识别[J];空军雷达学院学报;2007年04期
5 王海军;王士伟;刘红敏;;人脸检测技术研究进展[J];河南机电高等专科学校学报;2007年06期
6 邵仙鹤;李爱芝;严发宝;乔晓林;;一种基于复加权的目标极化识别方法[J];南京理工大学学报(自然科学版);2009年04期
7 马汉伟;;浅析逆向工程技术及其在工业领域的应用[J];现代制造技术与装备;2009年05期
8 邹瑞雨,王大培,李全益;一个简单的机器人视觉引导装配实验系统[J];机器人;1989年01期
9 刘庆波;基于学习和理解的手写汉字识别方法[J];哈尔滨工业大学学报;1993年04期
10 彭涛,毛声镛;滚动轴承疲劳故障诊断系统[J];自动化仪表;1994年07期
11 李雪巍,孙玉兰,吴胜权,冯世芳,郭连喜;机车车厢号码自动识别系统[J];测试技术学报;1996年03期
12 苏文斌,温熙森,史维祥;故障诊断中参数相位耦合特征提取的研究[J];机械科学与技术;1998年04期
13 王岁胜,荀毓龙;利用NOAA/AVHRR卫星资料进行海域表面特征提取[J];光电子技术与信息;1998年05期
14 赵君,仇林庆,谷雪莲;基于特征提取的图像处理与识别研究[J];仪表技术与传感器;2002年05期
15 王雁来,尹宝才,孔德慧,谷春亮;块匹配算法在基于MPEG-4的人脸特征提取中的改良及应用[J];北京工业大学学报;2003年01期
16 吴军彪,陈进,钟平,伍星,蔡晓平;机械噪声故障特征提取的盲分离法与小波提纯法[J];上海交通大学学报;2003年05期
17 姜礼平,龚沈光;水中目标信号的实时检测方法研究[J];海军工程大学学报;2003年06期
18 王侃伟,方宗德,曹双胜;基于边界斜率的列车零部件形状分析[J];计算机工程与应用;2004年35期
19 白建社,盛戈皞,江秀臣,曾奕;基于移动时间窗的直流局部放电特征提取方法[J];电力系统自动化;2005年14期
20 许文全,何文学,陈国金;基于反求工程的CAD建模[J];模具制造;2005年07期
中国重要会议论文全文数据库 前10条
1 林土胜;赖声礼;;视网膜血管特征提取的拆支跟踪法[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
2 钱小聪;郑宝玉;穆明鑫;;神经网络联机手写签名验证[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
3 张羽;汪源源;王威琪;余建国;林继耕;;狭窄血管多普勒信号特征提取的实验研究[A];21世纪医学工程学术研讨会论文摘要汇编[C];2001年
4 柳林霞;陈杰;窦丽华;;不变矩理论及其在目标识别中的应用[A];2002中国控制与决策学术年会论文集[C];2002年
5 杨日杰;施建礼;林洪文;;一种雷达视频回波特征提取方法研究[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年
6 代克杰;张红梅;盛赛斌;;基于BP网络的故障特征提取方法研究[A];2004中国控制与决策学术年会论文集[C];2004年
7 何新;史迎春;周献中;;一种基于独立分量分析的音频分类方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
8 朱晓霞;孙同景;陈桂友;;基于支持向量机理论的两级指纹分类实现方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
9 范海宁;郭英;吴剑锋;陈志武;;基于小波包分解的声信号特征提取方法[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
10 郗长青;郑建明;李言;罗杰;;基于小波包分解的钻头磨损特征提取[A];制造技术自动化学术会议论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 王胜春;自适应时频分析技术及其在故障诊断中的应用研究[D];山东大学;2007年
2 张旗;基于属性的图像分类研究[D];大连海事大学;2005年
3 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年
4 苏彩红;墙地砖质量自动检测技术的研究[D];华南理工大学;2004年
5 宋余庆;医学图像数据挖掘若干技术研究[D];东南大学;2005年
6 宋晴;基于液滴分析技术和液滴指纹图的液体识别方法的研究[D];天津大学;2005年
7 吴婷;自发脑电脑机接口模式识别关键技术与实验研究[D];上海交通大学;2008年
8 孙真真;基于光学区雷达目标二维像的目标散射特征提取的理论及方法研究[D];中国人民解放军国防科学技术大学;2001年
9 武子玉;矿物近红外光谱信息提取及应用研究[D];吉林大学;2005年
10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
中国硕士学位论文全文数据库 前10条
1 曾红梅;情绪图片视觉诱发EEG特征提取与分析[D];天津大学;2012年
2 雷自力;基于Pro/E的三维零件参数化建模和特征提取研究[D];华中科技大学;2011年
3 林少波;中文文本分类特征提取方法的研究与实现[D];重庆大学;2011年
4 黄健;履带式车辆微多普勒效应与特征提取[D];国防科学技术大学;2009年
5 赵蕾蕾;基于词和基本短语模式的特征提取方法[D];河北大学;2009年
6 栾岚;基于机理模型判据的图像中微弱特征提取方法研究及应用[D];东北大学;2009年
7 王菲;面向肺部CAD的特征提取、选择及分类方法研究[D];东北大学;2009年
8 郑睿;藻类细胞图像的特征提取与分类方法研究[D];杭州电子科技大学;2009年
9 李仁杰;高分辨率SAR图像目标三维特征提取与建模[D];国防科学技术大学;2010年
10 陈日晖;面向肺部CAD的三维ROI分割、特征提取与分类方法研究[D];东北大学;2009年
中国重要报纸全文数据库 前10条
1 燕海霞;王忆勤;李福凤;脉象信号研究日渐深入[N];中国医药报;2005年
2 沈占锋;遥感影像信息提取与分析[N];计算机世界;2006年
3 王竣;深入开发CAD系统对疾病诊断有重要意义[N];中国医药报;2007年
4 北京数码空间信息技术有限公司技术总监 刘斌;Web Mining:第二代网络信息处理技术[N];计算机世界;2000年
5 孙哲南 谭铁牛;生物识别的十大关键技术[N];计算机世界;2007年
6 上海 高博;让电脑“听懂”人话[N];电脑报;2008年
7 记者 何腾江 通讯员 周汇成;验钞新技术通过鉴定[N];中山日报;2008年
8 中科院自动化所 何鹏 陶建华 谭铁牛;看懂人的“脸色”[N];计算机世界;2005年
9 张东方;沙明;杨松松;人工神经网络在中药领域中的应用[N];中国医药报;2003年
10 东莞市神州视觉科技有限公司总经理 潘恒义;避免价格战在AOI市场重演[N];中国电子报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978