【摘要】： 近年來,隨著現(xiàn)代制造工業(yè)的發(fā)展,各種機械設備越來越廣泛的應用于石化、電力等行業(yè),而且它們本身還不斷向大型化、智能化、高速化和復雜化等方面發(fā)展,這些發(fā)展極大的推動了社會生產(chǎn)力的發(fā)展。然而,一旦這類設備發(fā)生嚴重故障,不僅會給企業(yè)帶來經(jīng)濟損失,嚴重時甚至還會造成人員傷亡。因此,研究設備故障診斷技術,確保它們的安全穩(wěn)定運行,降低生產(chǎn)成本,已成為現(xiàn)代企業(yè)管理的重要目標之一。 本文在國家“十一五”科技支撐計劃：“大型高參數(shù)高危險性成套裝置長周期運行安全保障關鍵技術研究及工程示范”(項目編號：2006BAK02B02)的資助下開展研究,主要研究工作體現(xiàn)在以下幾個方面： (1)介紹了課題研究的背景、目的和意義,闡述了設備性能退化評估和設備故障模式識別的發(fā)展現(xiàn)狀,明確了需要解決的問題。 (2)研究了信號處理、特征選擇與特征提取技術,著重針對本研究中所涉及到的兩種信號處理方法FFT和小波包分解,以及基于故障特征頻率的特征選擇方法和基于主成分分析(PCA)的特征抽取方法進行了研究。 (3)詳細研究了本文研究中的重要模型,即邏輯回歸和高斯混合模型。針對邏輯回歸,對其進行了理論概述以及基于極大似然估計法的參數(shù)獲取研究；針對高斯混合模型,介紹了模型理論以及EM參數(shù)估計方法,另外,對于使用EM算法進行參數(shù)估計時所遇到的初值設定和高斯混合數(shù)的確定問題進行了一定的探索研究。 (4)將邏輯回歸和高斯混合模型引入到旋轉機械設備的性能退化評估中。使用邏輯回歸建立了滾動軸承運行性能退化評估模型,并用本實驗室獲取的實驗數(shù)據(jù)和網(wǎng)上公開的CWRU數(shù)據(jù)進行了驗證；使用高斯混合模型建立了離心壓縮機運行性能退化狀態(tài)評估模型,并用中國石油某煉化企業(yè)現(xiàn)場實際監(jiān)測數(shù)據(jù)進行驗證,取得良好效果。 (5)將高斯混合模型引入旋轉機械設備的故障模式識別研究中。首先使用傳統(tǒng)的基于貝葉斯極大似然分類器的模式分類方法,并在此基礎上提出一種改進的基于特征空間重合度計算的模式分類方法,最后利用CWRU滾動軸承數(shù)據(jù)進行驗證,取得良好效果。
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：TH165.3

【引證文獻】

相關碩士學位論文 前1條

1 林紅俠;基于BLR-DRF模型的彩色圖像分割方法研究[D];吉林大學;2011年

，

本文編號：2681884