项目名称: 基于循环统计量的盲源分离方法研究及其在旋转机械故障特征提取中的应用

项目编号: No.50875162

项目类型: 面上项目

立项/批准年度: 2009

项目学科: 轻工业、手工业

项目作者: 陈进

作者单位: 上海交通大学

项目金额: 36万元

中文摘要: 机械设备状态监测和故障诊断学科中的关键问题之一是故障特征提取技术,其直接关系到故障诊断的准确率和故障早期预报的可靠性。然而相对较强的背景噪声或其它振源干扰信号会严重影响故障特征的提取,因此利用盲源分离(BSS, Blind Source Separation)技术分离传感器测得的振源混合信号,以获得单一振源信号,势必会明显提高故障诊断的准确度。因此,盲源分离技术近几年在机械设备状态监测与故障诊断学科中的应用也逐渐表现出活跃的研究态势。但是根据盲源分离技术的假设条件,盲源分离算法用于振动信号源分离还存在源信号数目未知、传感器数目限制及源信号卷积混合等许多问题需要解决。基于循环平稳信号模型对于旋转机械振动信号的普遍适用性,利用一阶、二阶及高阶循环统计量理论可以有效设计新的盲源分离算法,同时改进后的算法对于设备状态监测和故障诊断学科又不失一般性,无疑是一个很有前景的研究方向。

中文关键词: 循环平稳;盲源分离;旋转机械;故障诊断;特征提取

英文摘要: Feature extraction technique is one of the key works in machinery condition monitoring and fault diagnosis(CMFD), it has direct effect on the accuracy of fault diagnosis and the reliability of early fault pognosis. However, the relatively stronger background noise and other vibration disturbance sources will affect the real fault feature extraction greatly, thus the idea of using blind source separation(BSS) techniques to decease the influences of unwanted disturbances is being paid more attention in current study of CMFD. Although it is a good idea, based on the assumptions of BSS techniques, the successful application of the BSS techniques in the mechnical vibration source seperation has met many problems such as the unkonwn source numbers, limited sensors, convolutive mixing and so on. Because of generality of the cyclostationary signal model for viration signals of rotating machinery, we can use the theory of first order, second order, and higher order cyclic statistics to design new BSS algorithms for vibration source seperation. The improved BSS algorithms based on cyclic statistics do not loose generality for the subject of CMFD, and will be a promising research direction.

英文关键词: cyclostationarity; blind source seperation; rotating machinery; fault diagnosis; feature extraction

成为VIP会员查看完整内容
0

相关内容

「知识蒸馏」最新2022研究综述
专知会员服务
121+阅读 · 2022年3月20日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
24+阅读 · 2021年4月21日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
94+阅读 · 2021年2月6日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
107+阅读 · 2020年5月21日
「知识蒸馏」最新2022研究综述
专知
3+阅读 · 2022年3月20日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
64+阅读 · 2020年3月16日
读者来稿 | 有效遮挡检测的鲁棒人脸识别
计算机视觉战队
19+阅读 · 2019年3月28日
语音关键词检测方法综述【附PPT与视频资料】
人工智能前沿讲习班
10+阅读 · 2019年2月2日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关VIP内容
「知识蒸馏」最新2022研究综述
专知会员服务
121+阅读 · 2022年3月20日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
24+阅读 · 2021年4月21日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
94+阅读 · 2021年2月6日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
专知会员服务
107+阅读 · 2020年5月21日
相关资讯
「知识蒸馏」最新2022研究综述
专知
3+阅读 · 2022年3月20日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
64+阅读 · 2020年3月16日
读者来稿 | 有效遮挡检测的鲁棒人脸识别
计算机视觉战队
19+阅读 · 2019年3月28日
语音关键词检测方法综述【附PPT与视频资料】
人工智能前沿讲习班
10+阅读 · 2019年2月2日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员