基于非负张量分解的机械故障特征提取理论与方法研究.pdf

·獃
。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布ǹ论文的全部或部分内容。论文的公布
基于非负张量分解的机械故障特征提取理论与方法研究其中最为关键也是最困难的问题之一就是故障特征信号的提取和分析。本文针对高阶谱分析在机械设备故障诊断应用中存在的问题,对基于非负张量分解的故被一般工程技术人员掌握这一应用瓶颈。首先,简要介绍了几种典型的非负张量分解算法,研究了现有特征分析结果组成的高维其次,针对已有非负张量分解算法在应用中存在的算法对特征提取结果的稀疏度不可法运算效率和运算精度;含有正交性约束的非负张量分解算法借鉴多层循环非负张晕分解的对于普及高阶谱以及其他现代特征分析方法在实践中的应用具有重要意义。关键词:特征提取非负张量分解高阶谱齿轮箱研究生姓名:彭森导师姓名:许飞云教授学校名称:东南大学状态监测与故障诊断主要包括信号检测、特征分析、状态识别和故障诊断等几个环节,作为一种重要的特征分析与提取方法,高阶谱分析不仅能够消除高斯噪声干扰,且能反映信号中的相位耦合信息,因此,高阶谱分析在故障特征提取中具有潜在的巨大优势。然而,由于高阶谱分析往往以三维图像形式给出结果,解释其结果与设备故障之间的对应关系需要专门的理论知识,超出了一般工程技术人员的知识范围,因此,在上程实践中得到广泛应用的仍然是以经典频谱分析为核心的特征提取方法。障特征提取理论和方法进行研究,以期解决高阶谱分析结果与设备故障之间关系复杂、难以数据阵列的张量表示技术,讨论了两种现有特征分析结果的张量表示方法。控、以及旖加稀疏度约束后算法运行效率不高等问题,分别提出了的含有稀疏度约束和正交性约束的非负张量分解算法,并进行了仿真和实验对比。其中,含有稀疏度约束的非负张量分解算法应欧式距离代价方程,结合二阶锥规划方法,提高了特征提取结果的稀疏度、算迭代思想,结合⒍却鄯匠毯透窭芬皇┟芴卣换椒ǎ诒Vし歉赫帕糠纸馑惴ㄌ征提取结果稀疏度的前提下,进一步提高了算法的运算效率。最后,将上述方法应用于齿轮箱典型故障的二次特征提取与识别,建立了非负张量分解提取结果与齿轮箱故障之间对应关系。实验结果表明,上述方法与传统特征提取方法相比不仅能够取得更好的故障识别效果,而且很好地解决了高阶谱分析在工程应用中存在的问题,国家自然科学基金、江苏省自然科学皋金瓸⒐腋呒际跹芯糠⒄】
琣瓵甌.—琀..,,,.瑂,瑃琲..琣甌琣’,甧.,.甋甀瓸猯,—琣,,琤,瑀,—.
.执卣魈崛》⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第潞邢∈瓒燃爸菇恍栽际腤算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.仿真实例与算法比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第翹翁卣魈崛≡》椒ā摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯乏⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第滦髀邸课题研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯现代特征提取方法综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.呓灼追治龇椒ㄔ诠收险锒现械难芯肯肿础论文的研究工作和主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第翹算法及数据阵列的张量表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.幕靖拍睢惴ń樯堋惴ā算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯现有特征分析结果的张量表示方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.含有稀疏度约束的惴ā含有正交性约束的惴ā本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯“~齿轮箱典型故障的原因及征兆⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.≡窈凸