硕士论文-基于时变自回归的非平稳信号建模及故障诊断应用研究

天津大学硕士学位论文基于时变自回归的非平稳信号建模及故障诊断应用研究姓名：常乐申请学位级别：硕士专业：机械制造及其自动化指导教师：王国锋20070601基于时变自回归的非平稳信号建模及故障诊断应用研究作者：常乐学位授予单位：天津大学相似文献(10条)1.期刊论文王国锋.罗志高.秦旭达.冷永刚.常乐.WANGGuo-feng.LUOZhi-gao.QINXu-da.LENGYong-gang.CHANGLe非平稳信号的时变自回归建模及其在轴承故障诊断中的应用-天津大学学报2008,41(5)基于时变自回归(TVAR)方法实现了非平稳随机信号的参数化建模,提出采用最小信息准则确定模型阶数.通过多分量线性调频仿真信号的时变谱估计,表明该方法分辨率高,没有交叉项的干扰,计算速度快.在仿真分析的基础上,应用参数化时频谱和BP神经网络方法进行滚动轴承故障信号的分类和辨识,并基于能量法对时频图进行特征提取.分析结果表明,时变自回归方法的拟合精度高,能有效提取轴承故障信号特征,同时结合神经网络能对故障进行准确诊断.2.期刊论文董航.孙洪.DONGHang.SUNHong基于蒙特卡洛滤波平滑的语音增强算法-信号处理2005,21(z1)本文在分析统计信号贝叶斯模型和语音信号的时变自回归(TVAR)模型的基础上,利用蒙特卡洛滤波及平滑方法,对语音信号的TVAR模型参数进行了估计,提出了一种有效的针对非平稳加性噪声影响下的语音增强算法.该算法可以很好的跟踪非平稳信号,同时引入对反射系数的判断,保证了跟踪的稳定性.实验表明,本文方法能很好的抑制背景噪声,提高信噪比,改善语音信号的听觉质量.3.期刊论文续秀忠.张志谊.华宏星.XUXiuzhong.ZHANGZhiyi.HUAHongxing基于时频滤波和自回归建模方法的时变模态参数辨识-上海海事大学学报2005,26(4)应用非平稳信号的时频滤波及非平稳时间序列的时变自回归(AR)建模方法进行时变线性系统的模态参数辨识,将基于Gabor展开的时频滤波方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量.对线性时变系统在白噪声激励下振动响应的单模态响应进行建模来辨识系统的每一阶模态参数,在模型参数的辨识中通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识,利用时变的伯格(Burg)算法对时变的AR模型系数和时变结构模态频率进行估算.通过对附加质量随时间连续变化的悬臂梁的模态分析验证了辨识方法的有效性.实验结果和理论计算结果比较表明:该方法为参数时变线性系统的模态参数辨识提供一条新途径.4.期刊论文王胜春.韩捷.李剑峰.李志农.WangShengchun.HanJie.LiJianfeng.LiZhinong小波基TVAR建模时频分析及在故障诊断中的应用-中国机械工程2008,19(7)研究了非平稳信号的时变自回归建模方法,提出了应用小波基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识,在此基础上,应用带遗忘因子的递归最小二乘算法进行参数估计,实现了信号的自适应时频分析.通过仿真算例将该法与短时傅里叶变换、Wigner分布的结果相比较,验证了该方法时频分辨率高的优越性.最后,将该方法应用于轴承的故障诊断,结果表明,该方法用于故障诊断的特征提取是有效的.5.期刊论文王胜春.韩捷.李志农.李剑峰.WangSheng-chun.HanJie.LiZhi-nong.LiJian-feng基于TVAR的自适应时频分析及在故障诊断中的应用-轴承2007,(6)研究了非平稳信号的时变自回归(TVAR)建模方法,通过引入基函数将非平稳时变参数的辨识转化为线性时不变问题的辨识;在此基础上,应用带遗忘因子的递归最小二乘算法进行参数估计,实现了信号的自适应时频分析.通过仿真算例将该法与短时Fourier变换、Wigner分布的结果相比较,验证了该方法时频分辨率高的优越性.最后,将该方法应用于轴承的故障诊断,结果表明,该方法用于故障诊断的特征提取是有效的.6.学位论文罗志高基于参数化模型的非平稳特征提取及其智能诊断研究2008随着机械设备向复杂化、自动化方向发展，智能诊断在现代生产中起着越来越大的作用。为了获得更高的识别率，基于信号处理与神经网络相结合实现故障智能诊断成为了当今主要的发展方向。在复杂工况条件下，机械设备的振动信号显示出非平稳性，因此对非平稳信号的特征提取并对其故障进行智能识别是非常必要的。本文深入研究了时变自回归(TVAR)和条件异方差(Garch)对非平稳信号的建模分析，并基于参数化模型特征，采用支持向量机(SVM)、隐马尔科夫(HMM)等方法对滚动轴承的不同故障进行了智能诊断。具体内容如下：针对非平稳信号的参数化建模，本文研究了TVAR方法。分别基于自适应算法和基函数算法求解模型的时变参数与谱估计，提出采用AIC准则确定模型阶数。通过仿真分析，证明了TVAR模型时频谱分辨率高、没有交叉项；而基函数算法的TVAR时频谱受噪声影响小，能跟踪快速变化的频谱，弥补了自适应算法对噪声敏感的缺点。同时，针对TVAR模型难以跟踪突变信号的问题，本文研究了Garch的建模与分析步骤。通过仿真信号分析表明Garch的条件方差准确反映了信号频率的突变性或冲击性。本文深入研究了SVM和HMM模型及其诊断原理与方法。首先采用一对多方法解决SVM的多类分类问题，探讨了其故障分类步骤；同时研究了HMM的训练算法和故障诊断流程，采用Lloyd算法对信号特征样本进行量化。然后，基于Matlab语言实现了SVM和HMM的故障诊断。通过滚动轴承故障的诊断实例，表明了SVM具有出色的学习性能，尤其在小样本的情况下分类能力强，很好地解决了神经网络所需学习样本多、陷入局部极值等问题：同时发现HMM具有在小样本情况下判断精度高、自学习能力强的优点；尤其针对机械振动信号的非平稳性强、特征重复再现性不佳的特性，该模型识别率很高。在上述研究基础上，基于Labview开发了滚动轴承信号的参数化模型分析与智能诊断软件。该系统基于WindowsXP平台，实现了非平稳信号的TVAR时频分析以及基于SVM、HMM的智能诊断等功能。这些研究成果对促进非平稳信号的特征提取及智能诊断具有重要意义。7.期刊论文石鸿凌.姜琳峰.孙洪基于TVAR模型的语音增强技术-武汉大学学报(工学版)2004,37(2)在分析语音信号的时变自回归TVAR(Time-VaryingAutoregressive)模型及其模型参数的随机演化模型的基础上,基于粒子滤波器(ParticleFilter)对TVAR模型参数的序列估计,提出了一种语音增强算法.算法通过引入反射系数,快速简捷实现了模型稳定性的判断,保证了跟踪的模型的稳定性.实验结果表明,算法可以很好地跟踪非平稳信号,采用该方法处理过的语音,信噪比SNR(Signal-to-NoiseRatio)明显提高,听觉质量得到了很大的改善.8.会议论文董航.孙洪基于蒙特卡洛滤波平滑的语音增强算法2005本文在分析统计信号贝叶斯模型和语音信号的时变自回归(TVAR)模型的基础上,利用蒙特卡洛滤波及平滑方法,对语音信号的TVAR模型参数进行了估计,提出了一种有效的针对非平稳加性噪声的语音增强算法.该算法可以很好的跟踪非平稳信号,同时引入对反射系数的判断,保证了跟踪的稳定性.实验表明,本文方法能很好的抑制背景噪声,提高信噪比,改善语音信号的听觉质量.9.期刊论文张龙.熊国良.柳和生.邹慧君.陈慧.ZHANGLong.XIONGGuo-liang.LIUHe-sheng.ZOUHui-jun.CHENHui基于时变自回归模型与支持向量机的旋转机械故障诊断方法-中国电机工程学报2007,27(9)旋转机械如电机振动信号普遍存在非平稳性,同时对于某台设备已有的故障样本往往非常有限的.针对这些问题,提出一种基于时变参数自回归模型和支持向量机相结合的旋转机械故障诊断方法.首先通过对振动信号建立TVAR模型,提取模型系数及残差的方差作为信号特征,然后利用SVM对信号进行分类,继而实现故障自动识别.转子实验台实验结果表明该文方法能够有效提取非平稳信号的特征,并能在较少训练样本的情况下获得较好的诊断结果.10.学位论文续秀忠时变线性结构模态参数辨识的理论及实验研究2003工程科学的发展给我们提出了许多急待解决的时变结构的动力学问题.由于问题的复杂性,有关时变结构的研究仍是结构动力学的前沿,特别是时变结构的参数辨识方法,目前还很不成熟.由于时变结构物理参数、边界条件等随时间变化,结构具有时变的模态频率和阻尼比.由于时变结构在确定性和随机信号激励下的非平稳振动响应信号的频特征能够反映结构参数的变化,该文将非平稳信号的时频分析方法与模态参数辨识理论相结合,研究了时变结构参数辨识问题.如何通过结构响应信号的时变特征分析来解决目前辨识方法中存在的问题、研究有效的时变模态参数辨识方法是该论文的基本出发点.本文链接：授权使用：上海海事大学(wflshyxy)，授权号：694c94a4-6922-40b0-ab86-9dff015d8440下载时间：2010年9月28日