資源描述：
《基于噪聲分析的機(jī)械故障診斷方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于噪聲分析的機(jī)械故障診斷方法研究摘要基于噪聲分析的機(jī)械故障診斷方法可以非接觸地獲得機(jī)械信號(hào)，適用于眾多不便于使用振動(dòng)傳感器的場(chǎng)合，如某些高溫、高腐蝕環(huán)境，是一種常用而有效地故障診斷方法。但在實(shí)際應(yīng)用中，由于不相干噪聲和環(huán)境噪聲的影響，我們需要的待測(cè)信號(hào)往往被淹沒在這些混合噪聲中，信號(hào)的信噪比較低。盲源分離作為數(shù)字信號(hào)處理領(lǐng)域的新興技術(shù)，能利用觀測(cè)信號(hào)恢復(fù)或提取獨(dú)立的各個(gè)機(jī)械信號(hào)，在通訊、雷達(dá)信號(hào)處理、圖像處理等眾多領(lǐng)域具有重要的實(shí)用價(jià)值及發(fā)展前景，已經(jīng)成為神經(jīng)網(wǎng)絡(luò)學(xué)界和信號(hào)處理學(xué)界的熱點(diǎn)研究課題之一。本文分析總結(jié)了盲源分離技術(shù)的相關(guān)研究現(xiàn)狀，對(duì)盲源分離的原理、算法、相關(guān)
2、應(yīng)用作了探討和研究。并就汽輪機(jī)噪聲問題運(yùn)用了盲源分離技術(shù)進(jìn)行機(jī)械故障診斷，試驗(yàn)表明，該方法能將我們需要的故障信號(hào)從混合信號(hào)中分離出來，成功實(shí)現(xiàn)汽輪機(jī)部件的故障診斷。關(guān)鍵詞：聲信號(hào)，機(jī)械故障診斷，獨(dú)立分量分析InvestigationofMechanicalFaultDiagnosisBasedonNoiseAnalysisAbstractYoucanobtainanon-contactmethodofmechanicalfaultdiagnosisbasedonnoiseanalysisofmechanicalsignals,notsuitableformanyoccas
3、ionstofacilitatetheuseofvibrationsensors,suchascertainhightemperature,highlycorrosiveenvironment,isacommonandeffectivefaultdiagnosismethod.However,inpractice,theeffectsofnoiseandextraneousambientnoise,thesignalundertestoftenneedtobesubmergedinthemixednoise,lowersignaltonoiseratio.??Blinds
4、ourceseparationasanemergingfieldofdigitalsignalprocessingtechnologytotakeadvantageoftheobservedsignalrecoveryorextractionofvariousmechanicalsignalsindependentlyinmanycommunications,radarsignalprocessing,imageprocessinghasimportantpracticalvalueanddevelopmentprospects,hasbecomeaneuralnetwo
5、rkoneofthehotresearchtopicinacademiccirclesandsignalprocessing.??Inthispapersummarizestheresearchstatusofblindsourceseparationtechniques,theprinciplesofblindsourceseparationalgorithms,relatedapplicationsandresearchwerediscussed.Turbinenoiseproblemsandtousetheblindsourceseparationtechnique
6、sformechanicalfaultdiagnosis,testsshowedthatthemethodweneedfaultsignalcanbeseparatedfromthemixedsignal,faultdiagnosisofsteamturbinecomponentssuccessfully.KeyWords：MechanicalFaultDiagnosis，IndependentComponentAnalysis目錄1緒論1.1選題背景1.2國(guó)內(nèi)外研究發(fā)展現(xiàn)狀1.2.1機(jī)械故障診斷技術(shù)發(fā)展現(xiàn)狀1.2.2聲學(xué)故障診斷發(fā)展現(xiàn)狀1.2.3盲源分離技術(shù)發(fā)展現(xiàn)狀1.
7、3課題研究?jī)?nèi)容及意義2噪聲分析和采集2.1聲學(xué)概念2.2噪聲的主要參數(shù)2.2.1聲壓2.2.2聲強(qiáng)2.2.3聲功率2.3噪聲的采集2.3.1傳聲器2.3.2聲級(jí)計(jì)2.4故障的噪聲識(shí)別方法3盲源分離算法原理3.1獨(dú)立性3.2盲源分離算法概述3.2.1JADE法3.2.2四階盲辨識(shí)法(FOBI)3.2.3信息極大法(Infomax)3.3預(yù)處理3.3.1中心化3.3.2基于主分量的球化4實(shí)驗(yàn)5總結(jié)與展望5.1總結(jié)5.2展望參考文獻(xiàn)致謝1緒論1.1選題背景設(shè)備異常和故障信息一般以機(jī)械的狀態(tài)信號(hào)為載體，機(jī)械故障診斷的一個(gè)重要步驟就是采
