本文關(guān)鍵詞： 旋轉(zhuǎn)機械 早期故障診斷 微弱特征選擇 流形學(xué)習(xí) 決策融合　出處：《重慶大學(xué)》2015年博士論文　論文類型：學(xué)位論文

【摘要】：隨著現(xiàn)代科學(xué)技術(shù)的迅猛發(fā)展,在工業(yè)制造、航空航天、石油化工、能源冶金以及國防工業(yè)等領(lǐng)域,逐步涌現(xiàn)出許多大型復(fù)雜的旋轉(zhuǎn)機械裝備,如風(fēng)力發(fā)電機、航空發(fā)動機、工業(yè)燃氣輪機等,這些旋轉(zhuǎn)機械一旦發(fā)生故障,不但嚴(yán)重影響企業(yè)的生產(chǎn)效率,造成巨大的經(jīng)濟損失,甚至造成不可挽回的人員傷亡。解決因旋轉(zhuǎn)機械故障導(dǎo)致巨大經(jīng)濟損失、人員傷亡和災(zāi)難性事故發(fā)生的關(guān)鍵是開展旋轉(zhuǎn)機械早期故障診斷技術(shù)研究,即在故障萌芽階段對其進行準(zhǔn)確的辨識,并據(jù)此指導(dǎo)保養(yǎng)和維修工作,有效地控制故障發(fā)展,保障旋轉(zhuǎn)機械安全、可靠運行。大型旋轉(zhuǎn)機械結(jié)構(gòu)日益復(fù)雜、運行環(huán)境惡劣、工況不穩(wěn)定,表征其運行狀態(tài)的振動信號具有非線性強噪聲特點,而旋轉(zhuǎn)機械早期故障特征微弱,淹沒于強噪聲環(huán)境中,難以提取;大型旋轉(zhuǎn)機械早期故障孕育于設(shè)備運行的正常狀態(tài)且處于不斷發(fā)展變化中,故障原因與故障表征間映射關(guān)系模糊且早期故障樣本稀缺,故障辨識難度大;單一傳感器獲取的狀態(tài)信息只能反映旋轉(zhuǎn)機械局部運行狀態(tài),大型旋轉(zhuǎn)機械采用多個不同位置傳感器獲取的狀態(tài)信息來刻畫整體運行狀態(tài),需要對多傳感器多識別模型下獨立局部診斷結(jié)果進行決策融合。論文針對大型旋轉(zhuǎn)機械強噪聲干擾下非線性微弱特征提取、小子樣模糊信息故障識別、多源多模型決策融合診斷等問題,深入研究基于流形學(xué)習(xí)的旋轉(zhuǎn)機械早期故障融合診斷方法,具體研究內(nèi)容如下:①針對大型旋轉(zhuǎn)機械振動狀態(tài)非線性微弱特征難以提取的問題,提出了基于自適應(yīng)流形學(xué)習(xí)的旋轉(zhuǎn)機械微弱特征融合提取方法。采用自適應(yīng)局部切空間排列流形學(xué)習(xí)和相空間重構(gòu)相結(jié)合的方法,對旋轉(zhuǎn)機械強噪聲振動信號進行非線性降噪;然后構(gòu)建混合域高維特征集,以全面、綜合、深入地刻畫旋轉(zhuǎn)機械裝備的整體運行狀態(tài);提出基于Dezert-Smarandache證據(jù)理論的多準(zhǔn)則融合評價序列進行特征選擇,剔除原始高維特征集中干擾特征;最后把優(yōu)化高維敏感特征子集輸入到自適應(yīng)正交鄰域保持嵌入流形學(xué)習(xí)中進行特征融合約簡,進一步剔除特征集中的冗余特征,實現(xiàn)非線性微弱特征的融合提取。②針對大型旋轉(zhuǎn)機械故障診斷中故障樣本稀缺和故障原因與故障表征間映射關(guān)系模糊的問題,提出了流形距離度量的有監(jiān)督模糊C均值聚類旋轉(zhuǎn)機械故障識別方法。有監(jiān)督模糊C均值聚類在硬聚類基礎(chǔ)上擴展了隸屬度的取值范圍,具有更好的模糊信息表達能力;在小子樣情況下,算法保留了對監(jiān)督樣本的模糊性劃分,同時通過監(jiān)督項比例系數(shù)調(diào)節(jié)監(jiān)督樣本的“典型程度”來更好地引導(dǎo)聚類,當(dāng)發(fā)現(xiàn)監(jiān)督樣本信息有誤時,能有效減少噪聲監(jiān)督項對整體分類效果的影響;采用非參數(shù)核密度估計融合監(jiān)督樣本的類別標(biāo)簽信息,設(shè)置初始聚類中心,提高迭代效率;采用流形距離度量,更好地處理空間分布復(fù)雜的現(xiàn)實數(shù)據(jù),使算法更具普適性,實現(xiàn)大型旋轉(zhuǎn)機械小子樣模糊信息早期故障的有效識別。③針對大型旋轉(zhuǎn)機械故障診斷中單一傳感器振動信號故障診斷的局限性問題,提出了基于模糊一致性矩陣的多源多模型加權(quán)決策融合診斷方法。通過對沖突系數(shù)設(shè)置閾值,合理選用Dempster-Shafer證據(jù)理論或Dezert-Smarandache證據(jù)理論進行多源非沖突或沖突性信息的決策融合;其中各傳感器的可靠性由其訓(xùn)練樣本的模式識別精度體現(xiàn),通過模糊一致性陣綜合衡量各傳感器的可靠性,計算多源多模型下的權(quán)值系數(shù);對各傳感器故障識別結(jié)果進行加權(quán),提高決策融合診斷的容差性和魯棒性,實現(xiàn)大型旋轉(zhuǎn)機械多源多模型下局部診斷結(jié)果的有效融合。④根據(jù)以上研究方法,研發(fā)了一套集數(shù)據(jù)采集、信號處理、微弱特征提取、故障識別、決策融合診斷等功能為一體的旋轉(zhuǎn)機械狀態(tài)監(jiān)測與早期故障診斷系統(tǒng),并進行了實際應(yīng)用。文章最后對本文的工作進行了總結(jié),并展望了下一步的研究方向。
[Abstract]:......
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TH17

【相似文獻】

相關(guān)期刊論文 前10條

1 周華;蔡超;丁明躍;;基于流形學(xué)習(xí)和流形高階近似的圖像距離度量[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2012年03期

2 黃鴻;李見為;馮海亮;;融合局部和全局結(jié)構(gòu)的流形學(xué)習(xí)[J];光學(xué)精密工程;2009年03期

3 賀廣南;楊育彬;;基于流形學(xué)習(xí)的圖像檢索算法研究[J];山東大學(xué)學(xué)報(工學(xué)版);2010年05期

4 金波;;基于年齡流形的人臉圖像年齡識別[J];中國新技術(shù)新產(chǎn)品;2011年01期

5 高崢;杜川;;基于流形學(xué)習(xí)算法的人臉識別研究[J];河南機電高等專科學(xué)校學(xué)報;2011年04期

6 詹煒;;流形學(xué)習(xí)算法概述[J];武漢船舶職業(yè)技術(shù)學(xué)院學(xué)報;2013年02期

7 丁玲;唐娉;李宏益;;基于流形學(xué)習(xí)的混合光譜解混分析[J];紅外與激光工程;2013年09期

8 顧艷春;;一種基于線性插值的流形學(xué)習(xí)算法[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(自然科學(xué)版);2013年01期

9 張輝遠;;基于高光譜影像的流形學(xué)習(xí)降維方法近鄰畸變分析[J];鐵道勘察;2014年02期

10 馮海亮;李見為;王旭初;黃鴻;;基于非線性子流形的人臉識別[J];重慶大學(xué)學(xué)報;2008年03期

相關(guān)會議論文 前4條

1 宋欣;王娟;張斌;葉世偉;;流形學(xué)習(xí)算法分析及在人臉數(shù)據(jù)庫上的應(yīng)用[A];2008年全國開放式分布與并行計算機學(xué)術(shù)會議論文集(上冊)[C];2008年

2 劉曉平;季浩;鄧偉財;;基于流形學(xué)習(xí)的非線性系統(tǒng)可視化算法[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

3 何慧;陳博;郭軍;;基于流形學(xué)習(xí)的半監(jiān)督文本情感分類算法[A];第五屆全國信息檢索學(xué)術(shù)會議論文集[C];2009年

4 蔣全勝;賈民平;胡建中;許飛云;;一種基于流形學(xué)習(xí)的故障模式識別方法[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 蘇祖強;基于泛化流形學(xué)習(xí)的風(fēng)電機組傳動系統(tǒng)早期故障診斷方法研究[D];重慶大學(xué);2015年

2 黃焱;基于流形學(xué)習(xí)的金融數(shù)據(jù)分析方法研究[D];電子科技大學(xué);2015年

3 馬婧華;基于流形學(xué)習(xí)的旋轉(zhuǎn)機械早期故障融合診斷方法研究[D];重慶大學(xué);2015年

4 黃鴻;圖嵌入框架下流形學(xué)習(xí)理論及應(yīng)用研究[D];重慶大學(xué);2008年

5 尹峻松;流形學(xué)習(xí)理論與方法研究及在人臉識別中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2007年

6 黃啟宏;流形學(xué)習(xí)方法理論研究及圖像中應(yīng)用[D];電子科技大學(xué);2007年

7 馮海亮;流形學(xué)習(xí)算法在人臉識別中的應(yīng)用研究[D];重慶大學(xué);2008年

8 曾憲華;流形學(xué)習(xí)的譜方法相關(guān)問題研究[D];北京交通大學(xué);2009年

9 詹宇斌;流形學(xué)習(xí)理論與方法及其應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2011年

10 王勇;基于流形學(xué)習(xí)的分類與聚類方法及其應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 胡浩松;基于流形學(xué)習(xí)的旋轉(zhuǎn)機械故障識別方法研究[D];燕山大學(xué);2015年

2 丁春濤;基于圖嵌入的判別近鄰分析研究及應(yīng)用[D];蘇州大學(xué);2015年

3 余嬋娟;交互式人臉檢索中人機人臉認知一致性研究[D];上海大學(xué);2015年

4 陳明霞;基于半監(jiān)督的多流形學(xué)習(xí)算法研究[D];華僑大學(xué);2015年

5 顧陽陽;基于流形學(xué)習(xí)的雷達輻射源識別技術(shù)[D];西安電子科技大學(xué);2014年

6 高漢宇;基于最優(yōu)r-覆蓋堆積數(shù)本征維數(shù)估計方法及其應(yīng)用[D];西安電子科技大學(xué);2014年

7 羅廷金;基于流形學(xué)習(xí)的數(shù)據(jù)降維算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 周韻然;基于流形學(xué)習(xí)的A股上市公司抽樣的信用評價[D];電子科技大學(xué);2014年

9 史仍浩;基于流形學(xué)習(xí)的在線社會網(wǎng)絡(luò)節(jié)點分類[D];上海交通大學(xué);2013年

10 陳詩文;流形學(xué)習(xí)在數(shù)據(jù)降維中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

，

本文編號：1474026