【摘要】： 本論文在國家自然科學基金(50775208)資助下,將量子粒子群優(yōu)化(Quantum Particle Swarm Optimization,簡稱QPSO)算法引入到非線性系統(tǒng)的Volterra級數(shù)模型辨識中,深入研究了基于QPSO的Volterra時域核辨識方法及在旋轉(zhuǎn)機械故障診斷中的應(yīng)用,取得了比較好的創(chuàng)新性成果。其主要內(nèi)容包括以下幾個方面： 第一章,論述了本課題的提出及其研究意義,綜述了Volterra級數(shù)模型的國內(nèi)外研究現(xiàn)狀及在故障診斷中的應(yīng)用,提出了本論文的主要內(nèi)容及創(chuàng)新之處。 第二章,介紹了Volterra級數(shù)模型的基本理論、Volterra級數(shù)時域核(GIRF)和頻域核(GFRF)的辨識方法,并給出了基于Volterra級數(shù)模型的故障診斷思路。本章內(nèi)容是整篇論文的理論基礎(chǔ)。 第三章,針對基于傳統(tǒng)的最小均方算法的Volterra時域核(GIRF)辨識方法的不足,將量子粒子群優(yōu)化引入到非線性系統(tǒng)的Volterra核辨識中,提出了一種基于量子粒子群優(yōu)化的Volterra時域核辨識方法,并和傳統(tǒng)的最小均方(Least Mean Squares,簡記為LMS)算法進行了比較,仿真研究表明,在辨識精度、收斂性和抗干擾性方面,提出的方法都優(yōu)于傳統(tǒng)的LMS方法,而且,隨著核記憶長度的增加,這種優(yōu)勢會更明顯。之后,將提出的方法應(yīng)用于旋轉(zhuǎn)機械轉(zhuǎn)子系統(tǒng)的故障診斷中,給出了轉(zhuǎn)子裂紋故障和正常狀態(tài)轉(zhuǎn)子的Volterra時域核,對兩者進行了比較分析,實驗結(jié)果表明,提出的方法是有效的,轉(zhuǎn)子裂紋狀態(tài)的Volterra時域核很好地反映了此狀態(tài)下轉(zhuǎn)子系統(tǒng)的非線性特征。 第四章,提出了基于Volterra時域核(GIRF)的核主分量分析故障診斷方法。該方法首先利用量子粒子群優(yōu)化(QPSO)算法辨識出Volterra時域核,然后將其作為原始空間數(shù)據(jù)進行核主分量分析(KPCA),利用主分量分布和投影圖實現(xiàn)識別分類。實驗中利用提出的方法對轉(zhuǎn)子系統(tǒng)的正常、轉(zhuǎn)子裂紋、轉(zhuǎn)子碰摩、基座松動四種狀態(tài)進行識別分類,結(jié)果表明,該方法是有效的,在只考慮一階Volterra核不能很好地識別狀態(tài)時,可以從二階、三階Volterra核上來區(qū)分,體現(xiàn)了基于Volterra級數(shù)的故障診斷方法特征信息豐富的優(yōu)勢。 第五章,論述了支持向量機基本原理和SVM多類分類問題算法,在此基礎(chǔ)上,提出了基于Volterra時域核(GIRF)的支持向量機故障識別方法。該方法將利用量子粒子群優(yōu)化(QPSO)算法辨識出的Volterra時域核作為特征向量輸入到支持向量機(SVM)分類器中識別非線性系統(tǒng)的不同狀態(tài)。實驗結(jié)果表明,當故障樣本較為豐富時,不論是只利用一階核還是利用前三階核作為特征向量都取得了理想的分類效果,但是當故障樣本較少時,利用前三階核作為特征向量時的識別結(jié)果明顯優(yōu)于只利用一階核時的情況。這說明Volterra非線性核包含了Volterra線性核所不能反映的故障特征,良好的分類效果展現(xiàn)了提出的方法在小樣本的故障診斷中的優(yōu)越性。 第六章,將Volterra時域核(GIRF)和隱Markov模型(HMM)結(jié)合,提出了基于Volterra時域核和HMM的故障診斷方法。在提出的方法中,首先利用QPSO算法從已知狀態(tài)的振動信號中提取出前三階Volterra時域核,將其作為觀測值序列訓(xùn)練出各種狀態(tài)的HMM,再利用QPSO算法辨識出測試數(shù)據(jù)的前三階Volterra時域核,輸入到各種狀態(tài)的HMM中,其中輸出概率最大的HMM對應(yīng)的狀態(tài)即為設(shè)備的當前運行狀態(tài)。實驗中利用旋轉(zhuǎn)機械升速過程中的振動信號,采用提出的方法對轉(zhuǎn)子系統(tǒng)的四種狀態(tài)進行識別分類,結(jié)果驗證了該方法的有效性,僅利用一階Volterra核訓(xùn)練HMM時各個狀態(tài)迭代得到的對數(shù)概率值雖然互不相同,但是差異不大,利用前三階Volterra核訓(xùn)練HMM時各個狀態(tài)迭代得到的對數(shù)概率值的差異明顯大于前種情況,分類效果得到了顯著的改善。提出的方法為旋轉(zhuǎn)機械非平穩(wěn)過程的故障診斷提供了一種有效的解決方案,具有重要的理論意義和實際的應(yīng)用價值。 第七章,對全文的工作進行了總結(jié),并提出了值得進一步研究的問題。
【圖文】：

，cZ，…，，c，)。知，只要已知初始概率分布矢量C和一ov鏈·不難發(fā)現(xiàn)，Markov鏈中的每個時的，也就是說Markov鏈中的狀態(tài)就是觀模型基本思想及定義v模型基本思想型(HiddenMarkovModels，簡稱HMM)arkov模型中，狀態(tài)不能被直接觀測到，以一定的概率分布相聯(lián)系，這就是HMMHMM的拓撲結(jié)構(gòu)大致反映。空心節(jié)點和測值x、，可以直接觀測到的是觀測值x*，以通過一個下面的缸一球模型實例形象說明
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH165.3

【相似文獻】

相關(guān)期刊論文 前10條

1 蘇國韶;張克實;呂海波;;位移反分析的粒子群優(yōu)化-高斯過程協(xié)同優(yōu)化方法[J];巖土力學;2011年02期

2 馮林,張名舉,賀明峰,戚正君;用改進的粒子群算法實現(xiàn)多模態(tài)剛性醫(yī)學圖像的配準[J];計算機輔助設(shè)計與圖形學學報;2004年09期

3 劉宏達;李殿璞;馬忠麗;;一種新型的智能船舶自動舵設(shè)計[J];儀器儀表學報;2006年S1期

4 劉淳安,何廣平,雍龍泉;解多目標優(yōu)化問題的新粒子群存檔算法[J];陜西理工學院學報(自然科學版);2005年03期

5 陳建橋;葛銳;魏俊紅;;基于PSO算法的復(fù)合材料層合板可靠性優(yōu)化設(shè)計[J];華中科技大學學報(自然科學版);2006年04期

6 姜凡;;貼面式永磁同步電機無傳感器控制技術(shù)[J];電工技術(shù);2006年03期

7 孔力;程晶晶;宋勝利;蘇日建;;基于改進粒子群優(yōu)化技術(shù)的拜耳法物料平衡計算[J];華中科技大學學報(自然科學版);2008年01期

8 薛貴生;丁維明;程力;;基于支持向量機的煤灰結(jié)渣特性判別[J];能源研究與利用;2008年06期

9 成偉明;唐振民;趙春霞;陳得寶;;利用改進粒子群求解TSP問題的一種新方法[J];中國工程科學;2008年07期

10 呂福祥;黃磊;;基于粒子群優(yōu)化的支持向量機在地表沉降預(yù)測中的應(yīng)用[J];測繪信息與工程;2010年02期

相關(guān)會議論文 前10條

1 ;Existence Theory for Single and Multiple Positive Periodic Solutions to Volterra Integro-Differential Equations[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

2 趙建玉;賈磊;陳月輝;張勇;;基于粒子群優(yōu)化的信號交叉口交通流預(yù)測模型[A];第二十六屆中國控制會議論文集[C];2007年

3 劉中華;耿建華;朱位秋;;時滯Lotka-Volterra生態(tài)系統(tǒng)隨機分析[A];The 5th 全國動力學與控制青年學者研討會論文摘要集[C];2011年

4 王曉燕;王東風;韓璞;;一種分數(shù)階系統(tǒng)的粒子群優(yōu)化辨識方法[A];全國第三屆信號和智能信息處理與應(yīng)用學術(shù)交流會專刊[C];2009年

5 范業(yè)坤;梁新榮;;基于粒子群優(yōu)化的高速公路匝道PI控制器[A];第二十七屆中國控制會議論文集[C];2008年

6 唐高松;李志農(nóng);曾宇冬;員險鋒;;基于Volterra級數(shù)核的轉(zhuǎn)子碰摩故障研究[A];第十二屆全國設(shè)備故障診斷學術(shù)會議論文集[C];2010年

7 薛艷紅;胡立坤;;基于粒子群優(yōu)化的配電網(wǎng)靜止同步補償器PI控制器整定[A];中南六�。▍^(qū)）自動化學會第二十九屆學術(shù)年會論文集[C];2011年

8 馮yN;李霞;;一種K最近鄰分類的改進算法及應(yīng)用[A];2011年全國通信安全學術(shù)會議論文集[C];2011年

9 徐俊杰;忻展紅;;粒子群優(yōu)化在0/1背包問題中的應(yīng)用[A];中國運籌學會第七屆學術(shù)交流會論文集（上卷）[C];2004年

10 彭志科;;Volterra級數(shù)及其在非線性振動研究中的應(yīng)用[A];第四屆全國動力學與控制青年學者研討會論文摘要集[C];2010年

相關(guān)博士學位論文 前10條

1 竇全勝;求解優(yōu)化問題的演化計算方法研究[D];吉林大學;2005年

2 劉麗;人工免疫網(wǎng)絡(luò)研究及應(yīng)用[D];江南大學;2008年

3 李磊;六自由度并聯(lián)平臺位置正解及控制方法研究[D];哈爾濱工程大學;2008年

4 馬瑞新;基于粒子群的網(wǎng)絡(luò)社區(qū)動態(tài)角色挖掘研究[D];大連理工大學;2012年

5 陶霞;求解Volterra積分微分方程的高階方法[D];湖南師范大學;2012年

6 陳虹;分離流動的電磁力主動控制[D];華中科技大學;2011年

7 呂文;由Levy過程驅(qū)動的反射倒向隨機微分方程與倒向隨機Volterra積分方程[D];山東大學;2011年

8 鄧勇;非線性模擬電路故障診斷的Volterra模型及特征提取研究[D];電子科技大學;2012年

9 林川;粒子群優(yōu)化與差分進化算法研究及其應(yīng)用[D];西南交通大學;2009年

10 陳建華;抽象空間中的Volterra方程與線性系統(tǒng)[D];中國科學技術(shù)大學;2010年

相關(guān)碩士學位論文 前10條

1 蔣靜;基于量子粒子群優(yōu)化的Volterra核辨識及故障診斷方法研究[D];鄭州大學;2010年

2 雷燁;基于粒子群最小二乘支持向量機的故障診斷算法研究[D];蘭州交通大學;2010年

3 馬培培;基于粒子群的圖像閾值化分割的研究及應(yīng)用[D];合肥工業(yè)大學;2010年

4 姚杰;基于PSO混沌神經(jīng)網(wǎng)絡(luò)電力系統(tǒng)負荷預(yù)測[D];大慶石油學院;2009年

5 劉楊;粒子群優(yōu)化算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用[D];天津大學;2005年

6 任曉娜;DNA計算中的編碼設(shè)計優(yōu)化算法[D];湖南大學;2010年

7 王琳;基于粒子群優(yōu)化的數(shù)據(jù)流挖掘的聚類算法分析[D];長沙理工大學;2010年

8 李濤;基于SVM和PSO的非線性模型預(yù)測控制及應(yīng)用研究[D];上海交通大學;2008年

9 孫巍;供熱管網(wǎng)的建模分析及水力平衡調(diào)節(jié)[D];北京化工大學;2008年

10 李峰;大規(guī)模場景繪制中的紋理合成技術(shù)研究[D];哈爾濱理工大學;2008年

本文編號：2624923