基于形态滤波与盲信号处理的机械故障特征提取方法研究

《基于形态滤波与盲信号处理的机械故障特征提取方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类１＇｝跑级＾ＵＤＣ昆明理工大学硕±学位论文基于形态滤波与盲信号处理的机械故障特征提取方法研究研究化姓名刘凤指巧教师姓名、职称伍星教授学科专业机械电子工程研究方向机电系统故障诊断论文Ｔ；作２０３年０９？２０５年日起’ｈ円朋１月１１月论义拖咬ＩＩ化Ｊ２（ｈ５年ｍ月一遵守学术行为规范承诺本人已熟知并愿意自觉遵守《昆明理工大学研巧生学术规范实施细则（试行）》的所有内容，承诺所提交的毕业和学位论文是终稿，不存在学术不一端行为，且论文的纸质版与由子版肉容完全致。二独创性声

2、明本人声明所提交的论文是我个人在导师指导下进行的研巧工作及取得的研究成果。尽我所知，除了文中特别加Ｗ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，也不包含为获得昆明理工大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研充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。本人完全意识到本声明的法律结果由本人承担。附件Ｈ学位论文出版授权书我同意将本人学位论文著作权中的数字化复制权、发行权、汇编权和信息网络传播权的专有使用极在全世界范围内授予中国学术期刊（光盘版）电子杂志社（下＂＂简称杂志社），同意

3、其在《中国优秀博硕±学位论文全文数据库》和ＣＮＫＩ系列数据库中出版，未经杂志社书面许可，我不再授权他人Ｗ数字化形式出版本文。我同意《中国化秀博硕±学位论文全文数据库出版章程》规定享受相关权益。如有任何第兰方未经杂志社许可使用本人论文，杂志社应追究其法律责任，诉谗的全部费用由杂志社承担。胜诉后，由杂志狂与本人按５：５的比例分配所获赔偿金、。凤作者签名：＾ＷＩＸ年Ａ曰学位论文作者信息论文题目《种嗦焦液著會件嫂賊渝細隻如覆巧姑＾戶ｆ名学４答辩曰期义皆＾丰月日約‘ＩＩＩ＿＿＾ｆ论文级别博±口硕±［Ｖ

4、业工院／系／所私私枝學砖／专如＾来赛化子转■联系电话Ｅｍａｉｌ＿通信地址巧Ｐ编）：——１备注：＾□公开□保密（年年月）保密的学位论文在解密后应遵守此协月至＿＿＿（＿＿＿＿＿议）－－联系电话：０１０６２７９１９５１６２７９３１７６６２巧０６％传寅：０１０６２７９１８１４８４－４８信箱采编中也邮编：１０００８４通信地址：北京清华大学邮局学位论文使用授权书本论文作者完全了解学校关于保存、使用学位论文的管理办法及规定，即学校有权保留并向国家有关部口或机构送交论文的复印件和。电子版

5、，允许论文被查阅和借阅本人授权屋明理工大学可Ｗ将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国博±／优秀硕±学位论文全文数据库》进行信息服务，也可Ｗ采用影印、缩印或扫描等复制手段保存或汇编本学位论文。注，在解密后适用于本授权书。：保密学位论文作者签名；＾导师签名；＾判於年１月曰年月曰１／Ｉ今苗王转針衫学院：Ｍ学号；专化和撫來矛啤＞一（式Ｈ份，交研究生院学位工作处）摘要基于形态滤波与盲信号处理的机械故障特征提取方法研究摘要机械设备已涉及到各行业的生产过程中、，随着发展的需要渐渐的向着大型化一自动化、集成

6、化的方向发展旦机械设备及，其故障的发生方式变得更加复杂。。其零部件出现异常，将导致设备损坏并造成经济损失和人员伤亡义社会负面影响因此，对机械设备实施状态监测与故障诊断具有十分重大的意义。机械设备故障诊断的关键在于对故障特征的有效提取，而在旋转机械中，滚动轴承是主要的标准零部件之一，因而对滚动轴承故障信号的特征提取分析方法进行深入研巧，具有重大的实际意义？。本文采用滚动轴承作为研究对象，同时将数学形态学滤波算法和盲信号处理应用到机械故障特征的提取分析中，重点研究了盲解卷积和非负炬阵分解算法在机械故障特征提取分析中的应用。由于滚动轴承故障信号具有非线

7、性、非平稳性等特点，故利用数学形态学滤波对其进行降噪，研究多种不同结构元素及形态运算构成的形态滤波器，并通过大量的仿真试验，分析比较各类型滤波器的滤波效果。在基于独立分量分析和聚类分析的盲解卷积算法基础上，结合数学形态学滤波一、改进ＫＬ距离算法和正交匹配追踪算法，提出种改进时域盲解卷积算法并通过仿真实验加Ｗ验证。研究了兰种非负矩阵分解的初始化算法湛于多次随机分布的初始化算法、基于ＳＶＤ的初始化算法、基于ＦＣＭ的初始化算法）和两种非负分解算法（基于乘性迭