本文關(guān)鍵詞：基于模型優(yōu)化VPMCD的滾動(dòng)軸承故障診斷方法

  更多相關(guān)文章： 滾動(dòng)軸承 故障診斷 QGA-VPMCD R-VPMCD K-VPMCD ASTFA降噪 AKVPMCD AN流行學(xué)習(xí)方法

【摘要】：滾動(dòng)軸承在機(jī)械設(shè)備中主要起著承受和傳遞載荷的作用,是機(jī)械設(shè)備中最易損傷的元件之一。一旦滾動(dòng)軸承出現(xiàn)故障很可能導(dǎo)致整個(gè)機(jī)械設(shè)備不能夠正常運(yùn)行,嚴(yán)重時(shí)甚至引起整條生產(chǎn)鏈的癱瘓,將造成不可估量的損失,甚至嚴(yán)重的人員傷亡安全事故。因此,對其運(yùn)行狀況進(jìn)行實(shí)時(shí)的監(jiān)測和診斷有著非同一般的價(jià)值和意義。本質(zhì)上講,滾動(dòng)軸承的故障診斷是一個(gè)模式識別過程。基于所提取特征參數(shù)之間存在的相互內(nèi)在關(guān)系Raghuraj等人提出了基于多變量預(yù)測模型的模式識別方法(Variable predictive mode based class discriminate,簡稱VPMCD)。該方法采用數(shù)學(xué)回歸模型對所提取特征參數(shù)間的內(nèi)在關(guān)系進(jìn)行定量描述,通過樣本訓(xùn)練選取適當(dāng)?shù)臄?shù)學(xué)模型與階次建立最佳預(yù)測模型,在樣本測試階段用所建立的最佳預(yù)測模型對樣本進(jìn)行預(yù)測并以預(yù)測誤差平方和最小為判據(jù),進(jìn)行分類識別。本文針對VPMCD方法所建立模型在特征值間關(guān)系復(fù)雜時(shí)預(yù)測擬合精度不足的缺陷,提出了基于優(yōu)化模型、替代模型、優(yōu)化替代模型的幾種改進(jìn)方法,改進(jìn)后的VPMCD方法經(jīng)實(shí)驗(yàn)驗(yàn)證能夠有效地應(yīng)用于滾動(dòng)軸承的故障診斷。論文的主要研究內(nèi)容如下:1、將VPMCD方法和廣泛應(yīng)用的人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)進(jìn)行了對比分析,通過UCI標(biāo)準(zhǔn)數(shù)據(jù)對這三種模式識別方法進(jìn)行了實(shí)驗(yàn)對比,結(jié)果分析表明了VPMCD方法的有效性。2、針對VPMCD方法所建立的最佳模型只選擇了一種數(shù)學(xué)回歸模型,模型比較單一,不能夠完全描述所提取特征參數(shù)間的關(guān)系而缺乏預(yù)測精度的缺陷,采用量子遺傳算法(Quantum genetic algorithm,簡稱QGA)加權(quán)全部四種回歸模型,優(yōu)化其權(quán)值,建立一個(gè)加權(quán)綜合模型,能夠更好的對樣本進(jìn)行預(yù)測。3、針對VPMCD中所提供的四種數(shù)學(xué)回歸模型在面對所提取特征值間關(guān)系復(fù)雜程度高時(shí)擬合預(yù)測能力欠缺的問題提出了兩種預(yù)測能力強(qiáng)的替代模型,即R-VPM模型和Kriging模型,并分別提出了基于這兩種替代模型的改進(jìn)方法。4、將人工魚群智能算法應(yīng)用于對Kriging幾種相關(guān)模型的加權(quán)優(yōu)化提出了AKVPMCD方法。提出了一種新的降噪方法——ASTFA相關(guān)準(zhǔn)則降噪法,并將其結(jié)合AKVPMCD應(yīng)用于背景噪聲較強(qiáng)的滾動(dòng)軸承故障診斷。首先將滾動(dòng)軸承振動(dòng)信號采用ASTFA降噪方法有效地濾除背景噪聲,提取特征值,然后應(yīng)用經(jīng)魚群算法優(yōu)化幾種Kriging相關(guān)模型權(quán)值的AKVPMCD進(jìn)行分類診斷識別。實(shí)例分析表明ASTFA降噪結(jié)合AKVPMCD能夠有效的應(yīng)用于滾動(dòng)軸承的故障診斷。針對通過提高特征維數(shù)和增加特征數(shù)目獲得大量故障信息的同時(shí)通常會(huì)伴隨著信息冗余和“維數(shù)災(zāi)難”的問題提出了自編碼網(wǎng)絡(luò)(Autoencoder Network,簡稱AN)流行學(xué)習(xí)維數(shù)約簡方法,經(jīng)維數(shù)約簡后將AKVPMCD方法應(yīng)用于滾動(dòng)軸承的故障診斷取得了顯著的效果。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH133.33

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動(dòng)軸承故障分析探討[J];內(nèi)燃機(jī)配件;2000年03期

2 秦愷,陳進(jìn),姜鳴,陳春梅;一種滾動(dòng)軸承故障特征提取的新方法——譜相關(guān)密度[J];振動(dòng)與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動(dòng)軸承故障識別中的應(yīng)用[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動(dòng)軸承故障的小波診斷法[J];機(jī)械制造與自動(dòng)化;2004年06期

5 陸爽,田野;滾動(dòng)軸承故障特征識別的時(shí)頻分析研究[J];機(jī)床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動(dòng)軸承故障研究[J];機(jī)械設(shè)計(jì)與制造;2005年06期

7 程光友;;時(shí)域指標(biāo)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動(dòng)軸承故障試驗(yàn)臺的理論建模分析[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年04期

9 李崇晟;滾動(dòng)軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴(yán)新平;趙新澤;袁成清;高虹亮;;滾動(dòng)軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 劉玉林;;貨車滾動(dòng)軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴(kuò)大鐵路對外開放、確保重點(diǎn)物資運(yùn)輸——中國科協(xié)2005年學(xué)術(shù)年會(huì)鐵道分會(huì)場暨中國鐵道學(xué)會(huì)學(xué)術(shù)年會(huì)和粵海通道運(yùn)營管理學(xué)術(shù)研討會(huì)論文集[C];2005年

3 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 張九軍;;常見滾動(dòng)軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵年會(huì)文集（上冊）[C];2008年

8 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

9 唐海峰;陳進(jìn);董廣明;;信號稀疏分解方法在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

10 高耀智;;高階統(tǒng)計(jì)量與小波分析相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障的核方法智能識別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動(dòng)軸承故障診斷中的應(yīng)用[D];湖南大學(xué);2016年

4 于江林;滾動(dòng)軸承故障的非接觸聲學(xué)檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

5 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動(dòng)軸承故障診斷研究[D];上海交通大學(xué);2012年

7 趙協(xié)廣;基于小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷方法研究[D];山東科技大學(xué);2009年

8 侯者非;強(qiáng)噪聲背景下滾動(dòng)軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

9 郭艷平;面向風(fēng)力發(fā)電機(jī)組齒輪箱滾動(dòng)軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

10 孟濤;齒輪與滾動(dòng)軸承故障的振動(dòng)分析與診斷[D];西北工業(yè)大學(xué);2003年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李玉奎;基于非平穩(wěn)信號分析的滾動(dòng)軸承故障診斷研究[D];燕山大學(xué);2015年

2 卜勇霞;基于時(shí)頻分析方法的滾動(dòng)軸承故障診斷研究[D];昆明理工大學(xué);2015年

3 馬寶;基于KICA和LSSVM的滾動(dòng)軸承故障監(jiān)測及診斷方法[D];昆明理工大學(xué);2015年

4 王德麗;基于改進(jìn)HHT與SVM的滾動(dòng)軸承故障診斷方法研究[D];北京交通大學(xué);2016年

5 邵海賀;基于EEMD和最小二乘支持向量機(jī)的滾動(dòng)軸承故障診斷方法研究[D];長春工業(yè)大學(xué);2016年

6 張磊;滾動(dòng)軸承故障程度和工況不敏感智能診斷方法研究[D];華東交通大學(xué);2016年

7 胡猛;基于局部均值分解的滾動(dòng)軸承故障診斷方法研究[D];燕山大學(xué);2016年

8 蘇翠嬌;AMD和EMD方法在滾動(dòng)軸承故障診斷中的應(yīng)用研究[D];燕山大學(xué);2016年

9 王騰超;基于振動(dòng)監(jiān)測的風(fēng)電機(jī)組滾動(dòng)軸承故障診斷應(yīng)用研究[D];燕山大學(xué);2016年

10 李亞超;基于VMD的滾動(dòng)軸承故障診斷方法研究[D];石家莊鐵道大學(xué);2016年

，

本文編號：1176824