基于MATLABELMD毕业设计大论文

1内蒙古科技大学本科生毕业设计说明书（毕业论文）题 目：用于振动信号处理的最优噪声参数选择的 ELMD 算法研究与应用学生姓名：学 号：专 业：电子信息工程班 级：指导教师：内蒙古科技大学毕业设计说明书（毕业论文）用于振动信号处理的最优噪声参数选择的 ELMD 算法研究与应用 摘 要局部均值分解（Local mean decomposition，LMD）方法是目前一种较新的用于旋转机械振动信号特征提取的自适应时频分析方法，但该方法的不足是在其分解过程中会发生模态混叠现象，最终使分解结果失真。现针对其模态混叠现象提出一种基于噪声辅助的时频分析方法总体局部均值分解（Ensemble local mean decomposition，ELMD ）方法。EMLD 方法是在目标信号中多次添加不同序列的白噪声，然后对添加了白噪声后的信号进行 LMD 分解，最后取多次分解结果的平均值作为最终的分解结果。该方法是通过 LMD 方法与经验模态分解（Empirical mode decomposition，EMD）方法和总体平均经验模式分解（Ensemble empirical mode decomposition，EEMD）方法相结合得到的。分解结果表明 ELMD 方法能有效克服原 LMD 方法的模态混叠现象。为了得到更好的分解效果，需要对加入 LMD 的白噪声参数进行最优参数选择，最优噪声参数选择直接关系着 ELMD 算法的性能优劣。而白噪声的两个重要参数是：白噪声的幅度 AN 和加入白噪声次数 NE。最终将得到的最优噪声参数选择的 ELMD 算法应用于振动信号的故障诊断。关键词：局部均值分解； 模态混叠； 白噪声； 总体局部均值分解；最优噪声参数选择内蒙古科技大学毕业设计说明书（毕业论文）IFor the research and application of ensemble local mean decomposition algorithm to select the optimal noise parameters of the vibration signal processingAbstractThe local mean decomposition (LMD) method is a new time-frequency analysis method for adaptive extraction of rotating machinery vibration signal characteristics, but the shortage of the method is the mode aliasing phenomenon in the decomposition process, the decomposition results distortion.The overlapping phenomenon presents a time-frequency noise assisted analysis method based on local mean decomposition for the general mixed modes Ensemble local mean decomposition（ELMD) method.The EMLD method is to add the different sequences of white noise in the target signal,then the signal with noise is decomposed by LMD, finally ,taking the average number of decomposition results as the final decomposition result. This method is through the LMD method and the empirical mode decomposition (EMD) and ensemble empirical mode decomposition method(EEMD) is obtained with the method combining. Decomposition results show that the ELMD method to the original LMD method can effectively overcome the aliasing. To get a better decomposition results, it needs to do a optimal parameter selection for the white noise parameters which is added to LMD, the selection of optimal noise parameters directly affects the performance of the ELMD algorithm. The two important parameters: the white noise amplitude AN and the adding white noise frequency NE. The final will choose the optimal noise parameters of ELMD algorithm is applied to the fault diagnosis of vibration signals.Key words:Local mean decomposition; Modal aliasing; With noise; Ensemble local mean decomposition; The optimal noise parameters Selection内蒙古科技大学毕业设计说明书（毕业论文）II目录摘 要 .IAbstract .II第一章 绪 论.11.1 旋转机械振动信号处理研究的意义和现状.11.1.1 旋转机械振动信号处理研究的意义.11.1.2 旋转机械振动信号处理研究的现状.11.2 本文研究内容和结构安排.21.2.1 本文研究内容.21.2.2 本文结构安排.3第二章 常用的时频分析方法.42.1 短时傅里叶变换.42.2 Cohen 类时频分布 .52.2.1 Wigner 分布 .52.3 小波变换.62.4 HilbertHuang 变换 .7第三章 总体局部均值分解方法.83.1 局部均值分解（LMD） .83.1.1 LMD 算法 .83.2 总体平均经验模态分解（EEMD） .143.2.1 经验模态分解（EMD）方法简介 .143.2.2 EMD 基本原理 .143.2.3 EMD 方法的分解过程 .153.2.4 模态混叠.163.2.5 EEMD 方法简介 .173.3 总体局部均值分解（ELMD）算法研究 .19内蒙古科技大学毕业设计说明书（毕业论文）III3.3.1 ELMD 算法研究 .193.3.2 ELMD 算法编程及仿真 .20第四章 最优噪声参数选择的 ELMD 算法研究 .244.1 ELMD 算法的最优噪声参数 .244.2 最优噪声参数选择的 ELMD 算法的研究方案 .254.2.1 最优噪声参数选择的 ELMD 算法理论研究 .254.2.2 ELMD 算法的最优噪声参数选择 .274.2.3 通过最优噪声参数选择的 ELMD 算法的仿真应用 .294.3 用于振动信号的最优噪声参数选择的 ELMD 算法的应用 .31第五章 总结与展望.345.1 研究总结.345.2 研究展望.35内蒙古科技大学毕业设计说明书（毕业论文）0第一章 绪 论 1.1 旋转机械振动信号处理研究的意义和现状1.1.1 旋转机械振动信号处理研究的意义旋转机械振动信号处理研究就是一个在旋转机械故障诊断中对旋转机械振动信号特征提取的过程。旋转机械堪称人类文明进步的标志，数千年前的车轮、百年前问世的电站汽轮机和推动人类飞向太空的火箭发动机，对人类文明的进步都起着巨大的推动作用1。而近年来，旋转机械已成为众多机械设备中的一个重要组成成员，是现代工业中必不可少的重要组成部分，它广泛应用于石化，电力，冶金，航空，制造，军事以及几乎所的工业部门，是工业生产中的关键设备，并对安全生产有着很大的影响，由于许多无法预知的因素影响，经常会出现各种各样的机械故障，从而导致其降低或失去预定的工作性能，严重的甚至会造成事故，并伴随着重大人员伤亡和巨额经济损失，而后产生严重的社会影响 2,3。为了避免以上事故的发生，就必须掌握旋转机械故障诊断这门技术。旋转机械故障能准确诊断的必要前提条件就是对旋转机械振动信号的分析处理。旋转机械振动信号处理的好坏会直接影响到旋转机械故障诊断的结果，而故障诊断结果又将决定旋转机械的工作性能。目前，因旋转机械故障而引发的事故所带来的巨额经济损失和重大人员伤亡的事件仍有发生。这充分说明现在的旋转机械故障诊断技术仍存在很多的不足，还有许多问题急需人们去探索研究解决。而在旋转机械振动信号处理方面也同样需要进一步探索研究以满足现在生产生活的实际需求。因此，对旋转机械振动信号的处理也急需要新的方法。1.1.2 旋转机械振动信号处理研究的现状振动信号中一般都含有大量的噪声，要获得振动信号的准确特征并依据这些特征进行旋转机械的故障诊断，必须先给信号做消噪处理。消噪方法主要有硬件滤波和软件滤波两种方法:硬件滤波方法主要是设计一个滤波电路来消除信号中噪声频率成分；软件滤波方法通常是基于 Fourier 变换原理的一些方法，即在程序中设计一些数字滤波器，如 Wigner 分布、短时 Fourier 分析，倒普分析、内蒙古科技大学毕业设计说明书（毕业论文）1FFT 分析等 4。消噪后就是对振动信号进行特征提取。常用于旋转机械振动信号的信号处理方法主要有两类：一是基于傅里叶变换的经典谱分析方法；二是时频分析方法。而基于傅里叶变换的经典谱分析方法存在很大的局限性，那就是它本质上是一种线性的、平稳的信号分析方法，若信号非线性、非平稳，则其谱分析结果将缺乏物理意义。但是现今我们所需要研究处理的是旋转机械振动信号，这些信号一般都是非平稳的、非线性，当机械发生如局部碰摩或油膜涡动等故障时，系统将会呈现具明显的非线性特征。傅里叶变换的经典谱分析方法的准确性就会受到影响。而时频分析方法就是一种基于非线性、非平稳信号的研究方法。它是根据局部变换是否满足叠加原理，可将其分为线性变换方法和非线性变换方法两大类，常用的线性变换方法短时傅里叶变换、小波变换；二次型变换是最重要的非线性变换时频分析法，而 Cohen 类时频分布是其典型代表 5。不管是线性还是非线性时频分析方法，现今它们在理论方面已相当成熟而应用方面也已十分广泛了。在以上分析方法后又出现了一种新型时频分析方法Hibert-Huang 变换（HHT）分析方法,自该方法提出后，其自适应性、完备、正交性性等优点使它受到了广泛的关注研究和应用 6。然而 HHT 中的经验模态分解（ EMD）过程存在明显的端点效应，影响到该方法对信号特征的准确提取，因此为了解决其端点效应问题后人又提出了一种名叫局部均值分解（LMD）的方法。该方法能有效的解决 EMD 方法中的端点效应问题，但LMD 方法并非已是最好的方法，该方法中还存在的一个重大的缺陷就是模态混叠问题，在某些情况下该问题也是严重影响了该方法队信号特征的准确提取，而本文就 LMD 方法中的模态混叠现象借鉴总体平均经验模式分解（Ensemble empirical mode decomposition，EEMD ）方法处理 EMD 方法中的模态混叠而提出的一种新的基于噪声辅助的改进时频分析方法总体局部均值分解（Ensemble local mean decomposition，ELMD ）方法。该方法能否有效的处理 LMD 方法中的模态混叠问题以及准确的提取信号特征信息将在本文中做深入的探讨和研究。内蒙古科技大学毕业设计说明书（毕业论文）21.2 本文研究内容和结构安排1.2.1 本文研究内容本文将重点研究三个方面的内容：一是根据 EMD 方法和 EEMD 方法并结合 LMD算法推算研究出 ELMD 方法。并通过对比 ELMD 方法和 LMD 方法，对 ELMD 做进一步的研究和改进；二是进一步完善 ELMD 算法，因为 ELMD 算法是基于噪声辅助的分析方法，而噪声参数的最优选择直接关系着 ELMD 算法性能的优劣，因此需要对ELMD 进行最优噪声参数选择并与未进行最优噪声参数选择的 ELMD 算法进行对比；三是将得到的最优噪声参数选择的 ELMD 算法对旋转机械振动信号做特征提取分析。1.2.2 本文结构安排第 1 章 绪论先阐述了旋转机械振动信号处理的研究意义和现状，然后提出了一些对选择机械振动信号处理的方法存在的问题，从而引出本文的研究目的和研究内容。第 2 章 介绍几种常见的时频分析方法，并对比传统时频分析方法和新型时频分析方法的优缺点。第 3 章 总体局部均值分解算法的研究：详细介绍 LMD 算法和 EEMD 算法的基本原理，并用 LMD 算法对信号进行分解做时频分析研究，然后结合 LMD 算法和EEMD 算法得出 ELMD 算法，再用 ELMD 算法对同样的信号做时频分析研究，并与之前的 LMD 分解结果做对比研究。总结 ELMD 优点。第 4 章 对做出的 ELMD 算法做最优噪声参数选择，分别通过用相对均方根误差准则（RelativeREME）来判定不同噪声幅度下 ELMD 的分解性能；以及用信噪比（SNR ）来衡量加入不同噪声次数后，分解结果中残余的噪声。当取一个噪声幅度和次数分别使 RelativeREME 最大和 SNR 变化足够小时得出 ELMD 算法的最优加入噪声幅度和加入噪声次数，即得到 ELMD 最优噪声参数。然后与未做最优噪声参数选择的ELMD 对比研究。总结最优噪声参数选择的 ELMD 算法的优点。并将所得的最优噪声参数选择的 ELMD 应用于振动信号处理应用。第 5 章 总结与展望:总结全文研究工作，展望该算法未来的研究和前景。内蒙古科技大学毕业设计说明书（毕业论文）3内蒙古科技大学毕业设计说明书（毕业论文）4第二章 常用的时频分析方法在新型时频分析方法（如 EMD、LMD 等）被提出前，常用的时频分析方法有线性变换时频分析法和非线性变换时频分析法，如线性变换方法常用的有短时傅里叶变换、小波变换等；而非线性变换中最重要的是二次型变换，而二次型变换的典型代表就是Cohen 类时频分布。现今线性变换时频分析法和非线性变换时频分析法已在理论研究和实际应用方面十分成熟了。2.1 短时傅里叶变换短时傅里叶变换（STFT ，short-time Fourier transform，或 short-term Fourier transf