【摘要】： 近年來(lái),隨著現(xiàn)代制造工業(yè)的發(fā)展,各種機(jī)械設(shè)備越來(lái)越廣泛的應(yīng)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(fù)雜化等方面發(fā)展,這些發(fā)展極大的推動(dòng)了社會(huì)生產(chǎn)力的發(fā)展。然而,一旦這類設(shè)備發(fā)生嚴(yán)重故障,不僅會(huì)給企業(yè)帶來(lái)經(jīng)濟(jì)損失,嚴(yán)重時(shí)甚至還會(huì)造成人員傷亡。因此,研究設(shè)備故障診斷技術(shù),確保它們的安全穩(wěn)定運(yùn)行,降低生產(chǎn)成本,已成為現(xiàn)代企業(yè)管理的重要目標(biāo)之一。 本文在國(guó)家“十一五”科技支撐計(jì)劃：“大型高參數(shù)高危險(xiǎn)性成套裝置長(zhǎng)周期運(yùn)行安全保障關(guān)鍵技術(shù)研究及工程示范”(項(xiàng)目編號(hào)：2006BAK02B02)的資助下開展研究,主要研究工作體現(xiàn)在以下幾個(gè)方面： (1)介紹了課題研究的背景、目的和意義,闡述了設(shè)備性能退化評(píng)估和設(shè)備故障模式識(shí)別的發(fā)展現(xiàn)狀,明確了需要解決的問(wèn)題。 (2)研究了信號(hào)處理、特征選擇與特征提取技術(shù),著重針對(duì)本研究中所涉及到的兩種信號(hào)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(jìn)行了研究。 (3)詳細(xì)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(duì)邏輯回歸,對(duì)其進(jìn)行了理論概述以及基于極大似然估計(jì)法的參數(shù)獲取研究；針對(duì)高斯混合模型,介紹了模型理論以及EM參數(shù)估計(jì)方法,另外,對(duì)于使用EM算法進(jìn)行參數(shù)估計(jì)時(shí)所遇到的初值設(shè)定和高斯混合數(shù)的確定問(wèn)題進(jìn)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(zhuǎn)機(jī)械設(shè)備的性能退化評(píng)估中。使用邏輯回歸建立了滾動(dòng)軸承運(yùn)行性能退化評(píng)估模型,并用本實(shí)驗(yàn)室獲取的實(shí)驗(yàn)數(shù)據(jù)和網(wǎng)上公開的CWRU數(shù)據(jù)進(jìn)行了驗(yàn)證；使用高斯混合模型建立了離心壓縮機(jī)運(yùn)行性能退化狀態(tài)評(píng)估模型,并用中國(guó)石油某煉化企業(yè)現(xiàn)場(chǎng)實(shí)際監(jiān)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證,取得良好效果。 (5)將高斯混合模型引入旋轉(zhuǎn)機(jī)械設(shè)備的故障模式識(shí)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(chǔ)上提出一種改進(jìn)的基于特征空間重合度計(jì)算的模式分類方法,最后利用CWRU滾動(dòng)軸承數(shù)據(jù)進(jìn)行驗(yàn)證,取得良好效果。
【學(xué)位授予單位】：北京化工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2010
【分類號(hào)】：TH165.3

【引證文獻(xiàn)】

相關(guān)碩士學(xué)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(xué);2011年

，

本文編號(hào)：2681884