基于盲分离理论的设备动态信号特征提取方法
摘要 | 第4-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第10-18页 |
1.1 选题背景及研究意义 | 第10-11页 |
1.2 盲源分离理论与发展现状 | 第11-15页 |
1.2.1 正定和超定盲源分离发展现状 | 第12页 |
1.2.2 欠定盲源分离的发展现状 | 第12-14页 |
1.2.3 源数目估计方法研究现状 | 第14-15页 |
1.3 盲源分离在机械故障识别中的发展现状 | 第15-16页 |
1.3.1 机械振动盲分离发展现状 | 第15-16页 |
1.3.2 机械振动源数目估计算法研究 | 第16页 |
1.4 论文的主要内容及章节安排 | 第16-18页 |
第二章 盲源分离技术理论与方法 | 第18-36页 |
2.1 引言 | 第18页 |
2.2 独立成分分析算法 | 第18-29页 |
2.2.1 独立成分分析模型 | 第18-19页 |
2.2.2 独立成分分析的约束 | 第19页 |
2.2.3 独立成分分析中的含混因素 | 第19-20页 |
2.2.4 独立分量分析的基本算法 | 第20-25页 |
2.2.5 分离效果评价指标 | 第25页 |
2.2.6 仿真实验 | 第25-28页 |
2.2.7 算法分离效果对比 | 第28-29页 |
2.3 约束独立分量分析算法 | 第29-35页 |
2.3.1 约束独立分量分析基本原理 | 第29-30页 |
2.3.2 参考信号的构建 | 第30-31页 |
2.3.3 参考信号各参数评价 | 第31-35页 |
2.4 本章小结 | 第35-36页 |
第三章 基于预处理的单通道盲源分离 | 第36-68页 |
3.1 引言 | 第36页 |
3.2 基于预处理的单通道盲源分离算法 | 第36-37页 |
3.3 几种预处理算法 | 第37-53页 |
3.3.1 经验模态分解基本原理 | 第37-38页 |
3.3.2 经验模式分解仿真实验 | 第38-42页 |
3.3.3 总体经验模态分解基本原理 | 第42-43页 |
3.3.4 总体经验模态分解仿真实验 | 第43-45页 |
3.3.5 频率切片小波变换基本原理 | 第45-47页 |
3.3.6 频率切片小波变换仿真实验 | 第47-48页 |
3.3.7 变分模态分解基本原理 | 第48-52页 |
3.3.8 变分模态分解仿真实验 | 第52-53页 |
3.4 预处理算法分离效果对比 | 第53-54页 |
3.5 盲信号的源数估计方法 | 第54-57页 |
3.5.1 奇异值分解方法的基本原理 | 第54页 |
3.5.2 奇异值分解方法的基本步骤 | 第54-55页 |
3.5.3 奇异值分解方法的源数估计 | 第55-57页 |
3.6 单通道的奇异值源数估计方法 | 第57-61页 |
3.6.1 单通道的奇异值源数估计原理 | 第57-58页 |
3.6.2 仿真实验 | 第58-61页 |
3.7 工程应用 | 第61-67页 |
3.7.1 无损伤 | 第62-63页 |
3.7.2 内圈故障 | 第63-65页 |
3.7.3 外圈故障 | 第65-66页 |
3.7.4 滚动体故障 | 第66-67页 |
3.8 本章小结 | 第67-68页 |
第四章 基于约束独立分量分析的单通道盲源分离 | 第68-88页 |
4.1 引言 | 第68页 |
4.2 基于cICA单通道盲源分离原理 | 第68-69页 |
4.3 基于分量包络的cICA单通道盲源分离原理 | 第69-70页 |
4.4 工程应用 | 第70-87页 |
4.4.1 无损伤 | 第70-74页 |
4.4.2 内圈故障 | 第74-78页 |
4.4.3 外圈故障 | 第78-87页 |
4.5 本章小结 | 第87-88页 |
第五章 基于双通道信号的cICA盲源分离 | 第88-96页 |
5.1 引言 | 第88页 |
5.2 基于双通道信号的cICA盲源分离原理 | 第88-89页 |
5.3 工程应用案例分析 | 第89-95页 |
5.3.1 发电机轴瓦松动故障分析 | 第89-92页 |
5.3.2 机车轴承复合故障分析 | 第92-95页 |
5.4 本章小结 | 第95-96页 |
第六章 总结与展望 | 第96-98页 |
参考文献 | 第98-104页 |
攻读硕士学位期间取得的研究成果 | 第104-105页 |
致谢 | 第105页 |