基于獨立分量分析的故障源識別技術(shù)

基于獨立分量分析的故障源識別技術(shù)

ID:33665679

大小:6.71 MB

頁數(shù):63頁

時間:2019-02-28

基于獨立分量分析的故障源識別技術(shù)_第1頁
基于獨立分量分析的故障源識別技術(shù)_第2頁
基于獨立分量分析的故障源識別技術(shù)_第3頁
基于獨立分量分析的故障源識別技術(shù)_第4頁
基于獨立分量分析的故障源識別技術(shù)_第5頁
資源描述:

《基于獨立分量分析的故障源識別技術(shù)》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、華北電力大學(xué)碩士學(xué)位論文摘要獨立分量分析(IndependentComponentAnalysis,簡稱ICA)能夠有效降噪并把信號中的有用信息挖掘出來,從而提供更豐富的故障診斷信息。但是ICA本身也存在限制,要求輸入信號個數(shù)大于或等于分離出獨立分量的個數(shù)。本文首先研究了ICA的濾波特性,揭示了ICA消噪不受信噪比影響,對比了FastICA算法和Infomax算法,并指出ICA無法識別相位。然后將ICA應(yīng)用于齒輪箱傳動系統(tǒng)的早期故障診斷中,并與傳統(tǒng)信號分析方法進(jìn)行對比。最后針對ICA的限制,提出了廣義噪聲ICA定義和附加虛

2、擬通道的ICA消噪方法。該方法在只有少數(shù)實測信號的前提下,用正常工況下已保存的參考信號代替?zhèn)鞲衅餍盘栠M(jìn)行ICA分離。實驗證明,在這種情況下ICA將分離出除去參考信號以外的新信號,這個新信號就反應(yīng)了故障特征。將這種新方法應(yīng)用于實測汽輪機軸振信號的分離中取得了滿意的效果。關(guān)鍵詞:盲源識別,獨立分量分析,故障診斷,消噪,虛擬通道ABSTRACTTheIndependentComponentAnalysis(viz.ICA)candenoiseandseparatetheusefulmessagesoutefficientlyfo

3、rfaultdiagnosis.ButICAlimitsthenumberofinputsignalsequivalenttoormorethanthenumberofindependentcomponents.ThispaperfirstlystudiedtheICAfiltrationcharacter,revealedthatSNRhasnoinfluenceonICAseparation,comparedtwoalgorithms:FastICAandInfomax,andindicatedthatICAcanno

4、tidentifythephase.Secondly,theICAapplicationintheinitialfaultdiagnosisofGearboxTransmissionSystemhasbeencomparedwiththeperformancesoftraditionalsignalanalysismethods.Finally,fortheICAlimitation,thispaperproposedthegeneralizeddefinitionofnoiseICAandtheadditionalvir

5、tualchannelsICAdenoisemethod.Underthepremiseofonlyafewsensorsignals,thismethodreplacestheothersensorsignalsbythereferencesignal,whichhavebeensavedwhennormaloperation,toa.chievetheICAseparation.Theexperimentsprovedthatthenewsepararedsignal,whichnotbelongtotherefere

6、ncesignals,justreflectsthefaultcharacter.Themethodattainedanacceptableeffectonseparatingtheturbineshaftvibrationsignals.WangQi(ControlTheoryandControlEngineering)DirectedbyProf.LiuYibingKEYWORDS:BlindSourceIdentification,IndependentComponentAnalysis(ICA),F(xiàn)aultDiag

7、nosis,Denoising,VirtualNoiseChannels華北電力大學(xué)碩士學(xué)位論文摘要獨立分量分析(IndependentComponentAnalysis,簡稱ICA)能夠有效降噪并把信號中的有用信息挖掘出來,從而提供更豐富的故障診斷信息。但是ICA本身也存在限制,要求輸入信號個數(shù)大于或等于分離出獨立分量的個數(shù)。本文首先研究了ICA的濾波特性,揭示了ICA消噪不受信噪比影響,對比了FastICA算法和Infomax算法,并指出ICA無法識別相位。然后將ICA應(yīng)用于齒輪箱傳動系統(tǒng)的早期故障診斷中,并與傳統(tǒng)信號

8、分析方法進(jìn)行對比。最后針對ICA的限制,提出了廣義噪聲ICA定義和附加虛擬通道的ICA消噪方法。該方法在只有少數(shù)實測信號的前提下,用正常工況下已保存的參考信號代替?zhèn)鞲衅餍盘栠M(jìn)行ICA分離。實驗證明,在這種情況下ICA將分離出除去參考信號以外的新信號,這個新信號就反應(yīng)了故障特征。將這種新方法應(yīng)用于實測汽輪

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。