单通道盲源分离方法研究及其在抽油机故障诊断中的应用
摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-18页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 单通道盲源分离技术国内外现状 | 第11-13页 |
1.3 抽油机故障诊断技术国内外现状 | 第13-15页 |
1.4 论文研究内容及安排 | 第15-18页 |
1.4.1 研究内容 | 第15页 |
1.4.2 论文安排 | 第15-18页 |
第2章 基于EMD和NMF的单通道盲分离 | 第18-34页 |
2.1 引言 | 第18页 |
2.2 单通道盲分离数学模型 | 第18-20页 |
2.3 经验模态分解 | 第20-22页 |
2.3.1 EMD工程应用现状 | 第20页 |
2.3.2 EMD算法 | 第20-22页 |
2.4 独立分量个数估计 | 第22-23页 |
2.5 非负矩阵构造 | 第23页 |
2.6 非负矩阵分解 | 第23-26页 |
2.6.1 NMF的提出与应用 | 第23-24页 |
2.6.2 NMF算法 | 第24-26页 |
2.7 单通道盲分离算法 | 第26页 |
2.8 仿真实验 | 第26-31页 |
2.8.1 实验的建立 | 第27页 |
2.8.2 实验结果 | 第27-31页 |
2.9 本章小结 | 第31-34页 |
第3章 基于非负张量分解的盲分离算法 | 第34-46页 |
3.1 引言 | 第34页 |
3.2 张量的相关知识 | 第34-36页 |
3.3 张量分解 | 第36-37页 |
3.3.1 CP分解 | 第36页 |
3.3.2 Tucker分解 | 第36-37页 |
3.4 基于非负张量分解的盲分离 | 第37-39页 |
3.4.1 NTF模型 | 第37-38页 |
3.4.2 NTF算法 | 第38-39页 |
3.5 仿真实验 | 第39-44页 |
3.5.1 实验的建立 | 第39-40页 |
3.5.2 实验结果 | 第40-44页 |
3.6 本章小结 | 第44-46页 |
第4章 基于粒子滤波的在线单通道盲分离 | 第46-60页 |
4.1 引言 | 第46页 |
4.2 单通道盲分离状态空间模型 | 第46-48页 |
4.2.1 状态空间模型 | 第46-47页 |
4.2.2 稀疏伪输入高斯过程建模 | 第47-48页 |
4.3 粒子滤波 | 第48-52页 |
4.3.1 序贯重要性采样 | 第49-50页 |
4.3.2 重采样方法 | 第50-51页 |
4.3.3 粒子滤波算法流程 | 第51-52页 |
4.4 在线单通道盲分离算法 | 第52-54页 |
4.4.1 SCBSS状态空间模型建立 | 第52-53页 |
4.4.2 SPGP-PF源信号在线估计 | 第53-54页 |
4.5 仿真实验 | 第54-58页 |
4.5.1 实验的建立 | 第54页 |
4.5.2 实验结果 | 第54-58页 |
4.6 本章小结 | 第58-60页 |
第5章 抽油机故障诊断系统总体设计 | 第60-74页 |
5.1 引言 | 第60页 |
5.2 抽油机信号采集 | 第60-62页 |
5.2.1 声发射信号产生机理与特点 | 第60-61页 |
5.2.2 测试信号的选择 | 第61-62页 |
5.3 抽油机信号处理 | 第62-66页 |
5.3.1 AE信号预处理 | 第62-64页 |
5.3.2 单通道AE信号处理 | 第64-65页 |
5.3.3 特征提取与识别 | 第65-66页 |
5.4 系统硬件设计 | 第66-67页 |
5.4.1 高速数据采集模块 | 第66页 |
5.4.2 核心处理器模块 | 第66-67页 |
5.5 系统软件实现 | 第67-73页 |
5.5.1 软件开发平台 | 第67-69页 |
5.5.2 算法综合实现 | 第69-73页 |
5.6 本章小结 | 第73-74页 |
第6章 抽油机故障诊断系统现场测试 | 第74-86页 |
6.1 引言 | 第74页 |
6.2 现场综合测试实验 | 第74-83页 |
6.2.1 实验安排 | 第75-76页 |
6.2.2 实验过程 | 第76-83页 |
6.2.3 系统综合验证 | 第83页 |
6.3 本章小结 | 第83-86页 |
第7章 总结与展望 | 第86-88页 |
参考文献 | 第88-92页 |
发表论文和参加科研情况说明 | 第92-94页 |
致谢 | 第94-95页 |