資源描述：
《快速非平穩(wěn)信號分析診斷與應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、上海交通大學碩士學位論文快速非平穩(wěn)信號分析診斷與應用碩士研究生：陳凱學號：1120209076導師：李富才副教授申請學位：工學碩士學科：機械設計及理論研究方向：信號處理、故障診斷所在單位：機械與動力工程學院答辯日期：2015年2月授予學位單位：上海交通大學DissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterRAPIDANALYSISDIAGNOSISANDAPPLICATIONOFNON-SATIONARYSIGNALCandidate：ChenKaiStudentID:1120209
2、076Supervisor：Prof.LIFucaiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：MechanicalDesignandTheoryResearchInterests:SignalprocessingFaultdiagnosisAffiliation：SchoolofMechanicalEngineeringDateofDefence：Feb,2015Degree-Conferring-Institution：ShanghaiJiaoTongUniversity感謝國家自然基金(113721
3、79)、科技部863計劃(編號：2012AA040106)、教育部新世紀優(yōu)秀人才（NCET-13-0363）和國家重點實驗室資助重點課題對本文研究的資助，在此鳴謝。上海交通大學碩士學位論文快速非平穩(wěn)信號分析診斷與應用摘要非平穩(wěn)信號廣泛存在于自然界中，比如機械設備一旦出現故障時就會導致動態(tài)信號非平穩(wěn)現象的出現。傳統時頻分析方法在不同的角度上對非平穩(wěn)信號進行了分解，但是各自的缺陷卻很難使其根據信號本身的特點實現自適應分解，而且很難達到分析所需要的精度。針對非平穩(wěn)信號特點后來出現了經驗模態(tài)分解方法，開辟了一條全新信號分析方法，通過篩分標準選取不同的尺度分量，然后配合希爾伯特變
4、換提取信號中的時頻信息。經驗模態(tài)分解方法在使用過程中存在四大弊端問題，很多學者在這方面提出了各種各樣的改進辦法，但是仍然無法同時解決這四個弊端。比如EEMD方法的提出，解決了模態(tài)混疊效應但是卻以犧牲計算時間為代價，得不償失。機械設備的在線狀態(tài)監(jiān)測系統經過多年的發(fā)展，逐步走向專家化智能化。隨著大型設備的結構、功能、工況、環(huán)境日趨復雜，對在線狀態(tài)監(jiān)測系統提出了全新的更高的要求。如何在更加復雜的信號環(huán)境中快速有效的挖掘出故障特征信息，是本文的一個研究重點。論文在傳統EMD算法的基礎上進行改進并且根據現有的二維快速自適應經驗模態(tài)分解方法，提出了一種改進型的方法。因此，本論文主要
5、研究內容有：第一，本文提出了改進型的一維快速自適應經驗模態(tài)分解方法。首先，采用自適應窗口準則獲取信號的峰峰值的統計特性；然后，采用順序統計濾波器來獲取信號的上下包絡線；最后，提出自循環(huán)停止準則，給出信號分解停止的準則。這種算法的最大優(yōu)點是避免了傳統EMD算法的四大弊端，同時具備自適應分析能力。I摘要第二，將一維快速自適應經驗模態(tài)分解方法應用到轉子故障診斷、軸承故障診斷、減速箱故障診斷中，與傳統EMD算法的分析結果對比，展示出了一維快速自適應經驗模態(tài)分解方法的優(yōu)越性能。同時將一維快速自適應經驗模態(tài)分解方法和沖擊脈沖法結合，提出了一套軸承故障診斷技術。最后，論文主要研究了在
6、線狀態(tài)監(jiān)測系統基本情況，重點考慮旋轉機械中的監(jiān)測系統。通過分析冷軋機組和船舶軸系振動的特點，設計了兩套在線狀態(tài)監(jiān)測系統。關鍵詞：快速自適應經驗模態(tài)分解方法，故障診斷，在線監(jiān)測，沖擊脈沖法II上海交通大學碩士學位論文RAPIDANALYSISDIAGNOSISANDAPPLICATIONOFNON-SATIONARYSIGNALABSTRACTAlotofnon-stationarysignalscanbefoundinnature,suchasoncemechanicalequipmentfaultappeareditwouldleadtothedynamicpheno
7、menonofnon-stationarysignal.Traditionaltime-frequencyanalysismethodsworkindifferentsidetodecompositionthissignal,buttheirrespectivedefectsarehardtorealizeadaptivedecompositionaccordingtothecharacteristic,anditisdifficulttoachieveprecisionrequirement.Empiricalmodedecomposi
