盲源分离中机械振源源数估计理论研究-机械设计及理论专业毕业论文.docxVIP

黯 黯耕快民 武汉科技大学 研究生学位论文创新性声明 本人郑重声明:所呈交的学位论文是本人在导师指导下，独立进 行研究所取得的成果。除了文中已经注明引用的内容或属合作研究共 同完成的工作外，本论文不包含任何其他个人或集体已经发表或撰写 过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文 中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名乍协 日期:呻 研究生学位论文版权使用授权声明 本论文的研究成果归武汉科技大学所有，其研究内容不得以其它 单位的名义发表 。本人完全了解武汉科技大学有 关保留 、使用学位论 文的规定，同意学校保留并向有关部门(按照《武汉科技大学关于研究 生学位论文收录工作的规定 》 执行)送交论文的复印件和电子版本，允 许论文被查阅和借阅 ，同意学校将本论文的全部或部分 内容编入学校 指导教师签名: 日 期:仰j千岛与民功民 万方数据 万方数据 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。 关键词：机械故障诊断；盲源分离；源数估计；功率谱密度；小波；聚类 I Abstract The mechanical fault feature extraction is the key of fault diagnosis. In practical application, traditional methods of fault feature extraction and fault diagnosis have many disadvantages. In order to overcome the disadvantages of traditional methods, blind source separation(BSS) provides a new solution, which can complete the estimation of source signals and the identification of transmission channels when source signals and transmission channels are unknown. The source signals estimated by BSS can reflect many features of original signals more perfectly. Most existing BSS algorithms conduct when the number of source signals is less than or equal to the number of observed signals, however, in practical application, it is difficult to meet the source number hypothesis requirement of BSS algorithm, which will lead to that algorithms cannot obtain the expected separatio