详情

原文传递车辆旋转部件振动源卷积盲分离方法研究

论文题名：	车辆旋转部件振动源卷积盲分离方法研究
关键词：	车辆故障诊断;信号处理;欠定卷积盲源分离;密度峰值聚类;堆叠自编码;压缩感知
摘要：	车辆旋转部件振动信号是传动系统故障诊断的重要依据，而实际观测信号往往由各部件振动信号和噪声相互混叠而成，造成有用信息被淹没，难以具体分辨出各部件信号特征。针对这一问题，本文以卷积混叠盲源分离模型为基础，对欠定盲源分离（UnderdeterminedBlindSourceSeparation,UBSS）相关问题进行研究，并应用在振动源分离中，有助于车辆旋转部件的故障诊断工作。主要研究内容如下：　　（1）围绕盲源分离问题，在参考其工程背景和国内外研究现状条件下，对盲源分离的线性卷积混叠模型进行研究；考虑到卷积混叠模型更加符合工程实际的要求，而欠定情况也是工程中很可能会遇到的情况，本文主要研究欠定情况下的线性卷积混叠盲源分离问题；将时域内的“卷积”转化为频域内的“乘积”，简化混叠模型，研究频域内的盲源分离算法，在频域内分多个频点分别采用“两步法”对观测信号进行分离，并研究次序不确定性问题和幅值模糊性问题，将修正后的各频点分离结果进行组合并转换到时域内，完成对多个源信号的分离。　　（2）为提高在振动源数目估计问题中的噪声鲁棒性，利用信号在时频域内的稀疏性，基于密度峰值聚类（DesityPeaksClustering,DPC）和压缩感知（CompressedSensing,CS）算法对欠定卷积盲分离问题进行研究，提出基于DPC的欠定卷积盲源分离算法。首先，采用小波降噪和短时傅里叶变换（ShortTimeFourierTransform,STFT）的方法对观测信号进行降噪和时频变换；其次，将信号稀疏化，研究基于稀疏编码的单源点(SingleSourcePoint,SSP)提取方法和基于DPC的振源数目识别方法，实现混合矩阵的有效估计，增强盲分离的鲁棒性；然后，基于CS方法对源信号进行重构，得到分离信号；最后，为验证所提算法的鲁棒性，对比分析所提算法与基于势函数的盲源分离算法在不同信噪比（Signal-to-NoiseRatios,SNR）下的仿真分离结果，结果表明，所提算法在信噪比不小于4dB时均能准确分离出仿真的信号，相较于势函数法，所提算法鲁棒性更强。　　（3）为解决相关源盲分离问题，基于小波包分解、维数扩展和张量分解等对相关源的盲分离问题进行研究，对信号进行处理使其满足统计独立性，提出基于维数扩展的相关源信号盲分离算法。首先，经过小波包分解后的混叠信号子带分量是混叠矩阵与源信号子带分量的积，即混叠矩阵不会因该过程发生变化；其次，通过小波包分解的方法将混叠信号中的相关成分剔除，使信号满足统计独立性要求；然后，通过构造高阶张量，利用张量分解的代数方法完成混叠矩阵的估计，进而完成对相关源信号的盲分离；最后，为验证所提算法分离相关源的有效性，对比分析所提算法与基于独立分量分析（IndependentComponentAnalysis,ICA）的盲源分离算法对同一组仿真信号的分离结果，结果表明，扩维法的分离结果可控性更强，受相关成分的干扰更小。　　（4）为研究所提“基于密度峰值聚类的欠定卷积盲源分离算法”、“基于维数扩展的相关源信号盲分离算法”是否能够应用在旋转部件振动源的识别和盲源分离中，以传动锥齿轮和深沟球轴承为研究对象，设计锥齿轮箱传动试验台对两种算法对两种算法的性能进行验证，并研究基于堆叠自编码（StackedAutomaticEncoder,SAE）的盲源分离验证算法，对上述所提两种算法准确性和稳定性进行进一步验证。首先，在1100r/min的输入转速下，对试验台振动信号进行采集，故障件包括锥齿轮裂纹故障件和外圈裂纹深沟球轴承故障件；其次，采用DPC法和扩维法对观测信号进行处理，结果表明两者均可成功分离出单一振动源特征；最后，利用深度人工神经网络的分类功能，完成对多组分离结果的分类，评判盲源分离结果的正确性以及稳定性，结果表明，所提算法具有良好的振动源分离性能和稳定性。
作者：	李妙珍
专业：	车辆工程
导师：	李舜酩
授予学位：	硕士
授予学位单位：	南京航空航天大学
学位年度：	2022