基于粒子群算法的转子振动特征识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 转子振动特征识别及提取主要研究内容 | 第9-11页 |
| 1.3 盲源分离算法技术简介 | 第11-16页 |
| 1.3.1 盲源分离算法研究现状 | 第11-14页 |
| 1.3.2 盲源分离算法简单描述 | 第14-16页 |
| 1.4 主要研究内容与安排 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 盲源分离的基本理论 | 第17-21页 |
| 2.1 盲源分离的不确定性和前提假设 | 第17页 |
| 2.2 盲源分离的预处理 | 第17-19页 |
| 2.2.1 源信号中心化处理 | 第18页 |
| 2.2.2 源信号白化处理 | 第18-19页 |
| 2.3 盲源分离算法性能指标 | 第19-20页 |
| 2.3.1 盲源分离算法性能指标 | 第19页 |
| 2.3.2 分离信号的独立性度量 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 转子故障机理研究及实验系统分析 | 第21-33页 |
| 3.1 常见转子故障机理研究 | 第21-25页 |
| 3.1.1 转子不平衡故障机理 | 第21-22页 |
| 3.1.2 转子不对中故障机理 | 第22-24页 |
| 3.1.3 转子动静碰磨故障机理 | 第24-25页 |
| 3.2 转子动力学实验系统 | 第25-27页 |
| 3.2.1 转子动力学实验系统组成 | 第25页 |
| 3.2.2 传感器的选择 | 第25-26页 |
| 3.2.3 动态信号采集测试分析系统 | 第26-27页 |
| 3.3 转子故障仿真实验方法及分析 | 第27-32页 |
| 3.3.1 转子故障模拟方法 | 第27-28页 |
| 3.3.2 实验参数设置 | 第28-29页 |
| 3.3.3 转子不平衡实验分析 | 第29-30页 |
| 3.3.4 转子不对中实验分析 | 第30-31页 |
| 3.3.5 转子动静碰磨实验分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于EMD-ICA算法的转子故障特征分析 | 第33-44页 |
| 4.1 单通道盲源分离数学模型 | 第33-34页 |
| 4.2 源信号经验模式分解 | 第34-35页 |
| 4.2.1 固有模态函数 | 第34页 |
| 4.2.2 EMD算法基本原理 | 第34-35页 |
| 4.3 改进独立分量数估计方法 | 第35-37页 |
| 4.4 单通道盲源分离算法 | 第37-38页 |
| 4.5 仿真实验分析 | 第38-40页 |
| 4.6 基于EMD-ICA算法故障特征分析 | 第40-42页 |
| 4.7 本章小结 | 第42-44页 |
| 第5章 基于粒子群算法的转子特征识别与提取 | 第44-56页 |
| 5.1 基本粒子群算法 | 第44-46页 |
| 5.1.1 粒子群算法背景 | 第44页 |
| 5.1.2 粒子群算法描述 | 第44-45页 |
| 5.1.3 粒子群算法流程 | 第45-46页 |
| 5.2 标准粒子群算法 | 第46-47页 |
| 5.3 基于四阶累积量粒子群算法的盲源分离 | 第47-50页 |
| 5.3.1 算法参数设置 | 第47-48页 |
| 5.3.2 适应度函数 | 第48-49页 |
| 5.3.3 算法的流程 | 第49-50页 |
| 5.4 仿真实验结果 | 第50-53页 |
| 5.5 转子振动特征分离实验 | 第53-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 结论 | 第56-58页 |
| 6.1 结论 | 第56页 |
| 6.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 作者简介 | 第63-64页 |
| 攻读硕士学位期间研究成果 | 第64页 |
