【摘要】：機(jī)械設(shè)備的振動(dòng)信號(hào)中蘊(yùn)藏了大量信息,能夠幫助人們正確判斷各類設(shè)備運(yùn)行過(guò)程中的狀態(tài)。特征提取就是要把這些信息轉(zhuǎn)化成需要的故障征兆。有效特征向量的提取是故障診斷中的關(guān)鍵環(huán)節(jié),也是機(jī)械設(shè)備故障診斷成功的關(guān)鍵因素。 科學(xué)技術(shù)的發(fā)展使得現(xiàn)代設(shè)備的結(jié)構(gòu)日趨復(fù)雜,其故障類型越來(lái)越多,反映故障的狀態(tài)、特征也相應(yīng)增加。這些特征參數(shù)在故障診斷過(guò)程中的重要性并不相同,甚至其中某些特征是冗余的。冗余特征的存在不但是對(duì)診斷資源的浪費(fèi),也直接影響生成簡(jiǎn)潔、高效的診斷決策規(guī)則,影響了故障診斷的效率和實(shí)時(shí)性。因此要從中提取出對(duì)診斷貢獻(xiàn)最大的特征,提取出最有效的特征組合。 針對(duì)傳統(tǒng)旋轉(zhuǎn)機(jī)械單通道特征提取的信息不完整以及實(shí)時(shí)性差等問(wèn)題,本文將全矢譜分析技術(shù)與粗糙集理論、蟻群算法等結(jié)合起來(lái),提出了基于全信息技術(shù)的旋轉(zhuǎn)機(jī)械故障特征提取方法。 全矢譜分析技術(shù)基于旋轉(zhuǎn)機(jī)械同源信息融合,它是矢量譜分析及其一系列擴(kuò)展分析方法的統(tǒng)稱。矢譜分析技術(shù)是數(shù)據(jù)層次上的融合技術(shù),它可以融合轉(zhuǎn)子一個(gè)截面上的兩個(gè)通道或三個(gè)通道的信息,依據(jù)某種準(zhǔn)則將這些信息進(jìn)行組合,最終得到和實(shí)際狀況一致的結(jié)論。信息融合技術(shù)的引入,從本質(zhì)上彌補(bǔ)了單通道分析的缺陷,能夠?qū)C(jī)組進(jìn)行更可靠、更準(zhǔn)確的監(jiān)測(cè)和診斷。 粗糙集理論產(chǎn)生于上世紀(jì)80年代初,是一種處理模糊性和不確定性的數(shù)學(xué)工具。它在處理大數(shù)據(jù)量、消除冗余信息等方面有良好效果。通常用來(lái)作為數(shù)據(jù)約簡(jiǎn)的工具。蟻群算法是一種最新發(fā)展的模擬自然螞蟻群體覓食的仿生優(yōu)化算法,在解決各類組合優(yōu)化問(wèn)題中都取得了很好的效果,其顯著優(yōu)點(diǎn)是受問(wèn)題規(guī)模的影響不大,對(duì)大規(guī)模問(wèn)題的求解仍能發(fā)揮較優(yōu)的性能。將粗糙集理論和蟻群算法用于旋轉(zhuǎn)機(jī)械的故障診斷領(lǐng)域,能夠剔除大量特征參數(shù)中具有冗余信息的特征量,找出最優(yōu)的特征參數(shù)組合,提取出有效的故障診斷規(guī)則。 本文將全矢譜理論、粗糙集理論和蟻群算法的優(yōu)點(diǎn)結(jié)合起來(lái),探討了矢譜理論的基本原理及算法、粗糙集理論的算法及應(yīng)用、基本蟻群算法的改進(jìn)及應(yīng)用,并編制Matlab程序?qū)崿F(xiàn)其功能。
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2009
【分類號(hào)】：TH165.3

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 王宏超;基于全矢譜的旋轉(zhuǎn)機(jī)械故障特征提取研究[D];鄭州大學(xué);2011年

本文編號(hào)：2726173