多元統(tǒng)計(jì)分析在設(shè)備狀態(tài)監(jiān)測(cè)診斷中的應(yīng)用研究.pdf

1、本論文以設(shè)備狀態(tài)的精確診斷為研究目標(biāo)，著眼于多元統(tǒng)計(jì)分析在設(shè)備狀態(tài)監(jiān)測(cè)診斷中的應(yīng)用研究，通過(guò)分析正在發(fā)展中的主分量分析(PCA)、獨(dú)立分量分析(ICA)、核主分量分析(KPCA)和盲源分離(BSS)等四種多元統(tǒng)計(jì)分析方法在該應(yīng)用領(lǐng)域中的研究現(xiàn)狀，把此方面的研究統(tǒng)一于了三個(gè)子體系下：高階統(tǒng)計(jì)信息提取、多元冗余特征融合、多維測(cè)量信號(hào)分離，并分別就有關(guān)問(wèn)題進(jìn)行了深入的研究。 第一個(gè)方面是基于ICA的理論，以一維或多維測(cè)量信號(hào)為處理對(duì)象

2、，提取測(cè)量信號(hào)的高階統(tǒng)計(jì)信息來(lái)有效表證設(shè)備的狀態(tài)特征。本文主要引入并拓展了ICA提取一維振動(dòng)信號(hào)高階統(tǒng)計(jì)信息及其應(yīng)用的研究，該高階統(tǒng)計(jì)信息揭示了振動(dòng)信號(hào)的本質(zhì)屬性，具有很好的應(yīng)用前景。這里提出了一種新的基于ICA的瞬態(tài)檢測(cè)方法，顯示了優(yōu)于其他傳統(tǒng)方法的效果：提取了一種新的ICA基濾波相關(guān)特征參數(shù)，可以有效表征狀態(tài)類(lèi)別信息。 第二個(gè)方面是利用PCA、ICA和KPCA等分析方法的信息挖掘及降維作用，從時(shí)域、頻域、時(shí)頻域等多個(gè)原始特征

3、中提取新的更加敏感穩(wěn)健的統(tǒng)計(jì)結(jié)構(gòu)，來(lái)表達(dá)和分類(lèi)設(shè)備模式。本文主要研究了基于KPCA的非線(xiàn)性特征提取技術(shù)，提取的特征在特征空間具有非常好的聚類(lèi)效果，然后研究了基于KPCA的非線(xiàn)性特征子空間構(gòu)建，來(lái)有效表達(dá)和分類(lèi)設(shè)備狀態(tài)。本文還著重研究了多元統(tǒng)計(jì)特征提取中的特征評(píng)價(jià)和選取技術(shù)，提出了一些新的理論想法，解決了多元統(tǒng)計(jì)特征進(jìn)行設(shè)備狀態(tài)分類(lèi)的效益最大化問(wèn)題。 第三個(gè)方面是利用盲源分離(BSS及ICA)的思想對(duì)多維測(cè)量信號(hào)進(jìn)行處理，以獲得反

4、映某個(gè)或每個(gè)設(shè)備部件的信號(hào)、分離提取某些信號(hào)分量、或者僅僅消去噪聲的影響。本文基于盲源分離技術(shù)進(jìn)行了設(shè)備多維振動(dòng)信號(hào)的振動(dòng)分量分離探討，首先驗(yàn)證了線(xiàn)性ICA方法對(duì)復(fù)雜振動(dòng)信號(hào)分離效果并不太理想，然后基于盲卷積分離模型主要研究了振動(dòng)信號(hào)中瞬態(tài)分量(循環(huán)平穩(wěn)成分、瞬時(shí)沖擊成分等)與噪聲分量的分離與提取。 此外，以上研究都建立在了實(shí)驗(yàn)驗(yàn)證基礎(chǔ)上，本論文采用了兩個(gè)實(shí)驗(yàn)，一個(gè)是通過(guò)振動(dòng)信號(hào)分析的汽車(chē)齒輪箱的狀態(tài)監(jiān)測(cè)，另一個(gè)是運(yùn)用噪聲信號(hào)分