旋转机械故障盲源分离方法研究
近几年来，随着科学技术的不断发展，机械设备也越来越向着自动化，高速化的方向发展，但是由于实际环境的复杂性，使得机械设备在满足日常工作需求的同时，存在的故障也增加了，而且有些小故障一旦发生了，不仅会带来经济的损失，还会造成重大的人员伤亡，这样的事故时有发生。现代工业的生产中，旋转机械是很多机械设备的核心，这些部件长期在高载荷下运转，因此会经常引发出各种形式的故障从而影响设备的正常工作，再加上故障的数量以及传输路径都是未知的情况下，使得对机械设备故障信号的处理成为一项重要的研究工作。盲源分离（Blind Signal Separation，BSS）相关学科的理论和技术日益发展成熟，盲源信号分离凭借独特的盲处理优势，越来越多的受到人们的重视，并逐渐成为最热门的研究课题之一。随着对盲源分离理论不断地深入研究，其在阵列信号处理和语音分析以及图像处理等方面得到了广泛的应用，盲源分离用于故障诊断的研究也成为了热点。 本研究将盲源分离理论应用于旋转机械故障信号的处理中，介绍了FastICA算法，说明了其优点以及在旋转机械故障信号分离中的可行性，并在MATLAB中对语音信号、故障信号进行了仿真分析，得到了较好的效果。最后在传统盲源分离的基础上，引入了稀疏分解的方法来解决欠定情况下的盲源分离，可以解决实际中传感器接收到的观测信号数量少于源信号个数的实际问题。
旋转机械;故障诊断;信息采集;数据处理
西安理工大学
硕士
检测技术与自动化装置
杨延西
2016
中文
TP277;TP274.2
69
2018-05-14（万方平台首次上网日期，不代表论文的发表时间）