基于独立分量分析的柴油机振动信号特征提取研究

摘要

柴油机作为现代工业发展的重要动力机械，在推动社会和经济发展发挥着重要作用；为了能够提高柴油机动力装置的安全性和可靠性，对其进行故障诊断具有重要的实际意义。传统的信号分析与处理技术很难从混合信号中提取出故障特征，独立分量分析是近年来迅速发展的一种盲源分离方法，因其具有从观测信号中恢复或分离源信号的能力，被广泛应用于语音处理、图像处理、通讯信号处理和信号处理等领域。本文在对独立分量分析理论研究的基础上，利用卷积与瞬时混合模型独立分量分析方法对柴油机主要激励源进行了识别研究，探索了独立分量分析在柴油机振动信号中的特征提取方法，并结合支持向量机进行了柴油机主要故障的识别研究。主要研究内容如下：
　　（1）首先对盲源分离的基本理论进行了研究，在分析了主分量分析的基本理论与算法的基础上，讨论了其在数据处理中的局限性；引出了独立分量分析的定义，并对其相关理论进行了分析研究，对基于负熵的快速固定点（FastICA）算法的基本理论与算法实现进行了研究。
　　（2）基于独立分量分析对柴油机的主要激励源进行了识别研究，首先对卷积与瞬时混合模型的独立分量分析算法进行了理论与仿真分析，将其运用于柴油机振动信号进行了分离试验，并对分离结果进行了时域与频域的对比分析，为进一步建立更合适的柴油机振动信号特征提取模型奠定基础。
　　（3）在对柴油机主要激励源与表面振动特性分析的基础上，利用小波包分解对不同工况下缸盖振动信号的能量谱分布进行了对比分析，验证了其在振动信号分析中的有效性，并提取了小波包频带能量比作为特征向量；探索了基于主分量与独立分量的特征提取方方法，并对提取的特征进行了聚类分析研究。
　　（4）研究了模式识别的基本理论和支持向量机模式识别器的建立方法，设计了适用于柴油机故障诊断的故障分类器，通过交叉试验优化了分类器参数；研究了特征维数对柴油机故障识别的准确率的影响，确定了特征维数。利用设计的分类器对利用小波包分解、主分量分析和独立分量分析提取的特征向量进行了故障识别研究，试验结果表明独立分量分析在柴油机故障诊断中具有很好的可行性和适用性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究目的与意义

1.2 课题来源

1.3 振动信号分析处理方法研究现状

1.4 盲源分离在振动信号分析中研究现状

1.5 本论文的主要研究工作

第2章 盲源分离的理论研究

2.1主分量分析

2.2独立分量分析

2.3 ICA算法

第3章 柴油机主要激励源识别研究

3.1 信号的获取与处理

3.2 盲解卷积理论

3.3 解卷积算法仿真分析

3.4 基于盲解卷积算法的柴油机主要激励源识别

3.5 基于瞬时ICA的柴油机主要激励源识别

3.6 试验结果对比

3.7 本章小结

第4章 柴油机振动信号的特征提取方法研究

4.1 柴油机振动试验数据获取与预处理

4.2 柴油机缸盖振动特性分析

4.3 基于小波包分解特征提取

4.4 基于PCA的振动信号特征提取

4.5 基于ICA特征提取

4.6本章小结

第5章 柴油机故障识别试验研究

5.1 模式识别基本理论

5.2 分类器设计

5.3 柴油机故障识别试验

5.4 本章小结

第6章 总结与展望

6.1 结论

6.2 展望

致谢

参考文献