欢迎来到天天文库
浏览记录
ID:35049731
大小:7.00 MB
页数:95页
时间:2019-03-17
《单通道盲源分离方法研究及其在抽油机故障诊断中的应用》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、'聲’稼J'10699V.学校代码?躯——?-?_-^_一.‘…一_^一杉分i号TP274,;;ji.:密級嘴.,——,’一这V-聲,知学号20顯1512卽余藝N豕ORTHW;ES〇TERNP0LYTEC考HNICA斗LUNIVE參RSITY!硕±学位论文题目单通道盲源分离方法研究及其在抽油机故障诊断中的应用"'^麵.iii作者炼晚朦山副■:;业检測技;如自动化装学科、专心指导教化
2、年3月申请学位日—^‘西北工业大学硕士学位论文(学位研究生)题目:单通道盲源分离方法研究及其在抽油机故障诊断中的应用作者:陈晓朦学科专业:检测技术与自动化装置指导教师:何鹏举2016年3月ThesissubmittedinpartialfulfillmentoftherequirementsforthedegreeofMasterofScienceResearchonsinglechannelblindsourceseparationandapplicationinfaultdiagnosisforpumpinguni
3、tMSCandidate:CHENXiaomengAdvisor:ProfessorHEPengjuDegreeAppliedfor:MasterofScienceSpecialty:DetectionTechnologyandAutomaticEquipmentDateofOralDefense:March,2016UniversityConferringNorthwesternPolytechnicalDegree:University摘要摘要单通道盲源分离在实际工程领域中应用极为广泛,是信号处理领域的一个研究热点。本文针对现
4、有单通道盲源分离算法不能自动确定单路信号中的独立分量个数,且无法实现源信号在线估计的问题,基于经验模态分解和非负矩阵/张量分解理论实现了两种新的单通道信号分离算法;用高斯过程建模和粒子滤波技术实现了一种源信号在线估计算法;设计了基于单通道盲分离的抽油机故障诊断系统。论文的主要工作如下:1、基于单通道盲源分离的数学模型,采用经验模态分解和非负矩阵分解实现了单通道盲源分离。首先采用经验模态分解方法将单通道信号分解为多个本征模态函数,然后利用特征值方法确定独立分量个数,并重构多通道信号,将欠定盲分离转化为适定盲分离问题,最后采用非负矩阵
5、分解实现源信号的恢复。2、设计了一种基于非负张量分解的盲源分离算法。研究了张量的概念及分解形式,提出将非负张量分解应用于多通道混合信号的分离中,充分利用信号的时频域信息,达到更好的分离效果。与基于经验模态分解实现的多通道映射方法结合,提出了一种新的单通道盲源分离算法。3、设计并完成了一种基于状态空间模型的在线单通道盲分离算法。利用适用于大数据建模的稀疏伪输入高斯过程建立单通道盲分离的状态转移方程和量测方程,采用粒子滤波算法实现单通道信号的在线盲分离。4、基于本文研究的单通道盲分离算法,完成了抽油机故障诊断系统的设计与实现。对系统进
6、行软硬件综合设计,采用单个声发射传感器采集抽油机运行信号,利用单通道盲分离算法对信号进行处理,并完成信号特征提取与识别。通过现场测试,验证了单通道盲源分离算法的有效性与实用性。本文提出并实现了一种基于经验模态分解的多通道映射方法,并将该方法分别和非负矩阵分解及张量分解结合,实现了两种单通道盲源分离算法;这两种单通道盲分离算法为状态空间模型的建立提供了基础,进而采用高斯过程建模和粒子滤波实现了单通道在线盲分离。基于本文提出的盲分离技术设计并实现了一套抽油机故障诊断系统。实验结果和现场测试表明本文提出的盲分离方法具有较好的分离效果,为
7、单通道盲源分离提供了新的方法。关键词:单通道盲源分离;多通道映射;非负矩阵/张量分解;状态空间模型;抽油机故障诊断IAbstractAbstractSinglechannelblindsourceseparationisusedwidelyinpracticalengineeringfield,anditisresearchhotspotinsingleprocessingfield.Aimingattheproblemthatcurrentsinglechannelblindsourceseparationalgorithmca
8、nnotdeterminenumberofindependentcomponentsinsinglechannelandcouldnotrealizeonlineseparation,basedonempiricalmodedecompositio
此文档下载收益归作者所有