鐵路作為貨物運(yùn)輸和國(guó)民出行的主要交通運(yùn)輸方式之一,是一個(gè)國(guó)家經(jīng)濟(jì)實(shí)力的具體體現(xiàn)。搗固車(chē)作為對(duì)鐵路進(jìn)行作業(yè)與維修的主要工具,具有至關(guān)重要的作用。搗固車(chē)的工作環(huán)境惡劣,所以更容易發(fā)生故障,而滾動(dòng)軸承是搗固車(chē)的重要工作部件,若其發(fā)生故障則直接關(guān)乎著整個(gè)工程的精度和進(jìn)度。因此,如何準(zhǔn)確快速的發(fā)現(xiàn)搗固車(chē)滾動(dòng)軸承的早期故障成為今后研究的重點(diǎn)。本文首先將采集到的搗固車(chē)滾動(dòng)軸承的振動(dòng)信號(hào)用改進(jìn)多小波閾值函數(shù)的去噪方法進(jìn)行降噪處理,并在多小波分析過(guò)程中采集多小波系數(shù),將其相關(guān)統(tǒng)計(jì)值作為故障特征向量,最后將提取到的故障特征向量輸入到訓(xùn)練好的支持向量機(jī)分類(lèi)模型中進(jìn)行分類(lèi),其中在構(gòu)建故障分類(lèi)模型時(shí)采用了改進(jìn)布谷鳥(niǎo)算法對(duì)SVM分類(lèi)模型中的參數(shù)進(jìn)行優(yōu)化,并用基于改進(jìn)布谷鳥(niǎo)算法優(yōu)化的SVM多類(lèi)分類(lèi)器進(jìn)行故障分類(lèi)。滾動(dòng)軸承的工作環(huán)境差,因此采集到的振動(dòng)信號(hào)中含有大量噪聲,這將會(huì)影響故障診斷的準(zhǔn)確率,故本文提出了一種改進(jìn)多小波閾值函數(shù)的去噪方法,并將多小波系數(shù)作為故障特征向量應(yīng)用到搗固車(chē)滾動(dòng)軸承故障診斷的分析中。介于多小波的預(yù)處理方法針對(duì)不同的振動(dòng)信號(hào)會(huì)有不同的預(yù)處理效果的特點(diǎn),本文首先針對(duì)搗固車(chē)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行多小波預(yù)處理方法的選擇,同時(shí)將相關(guān)系數(shù)和信號(hào)能量作為評(píng)價(jià)標(biāo)準(zhǔn),選取出最適合搗固車(chē)滾動(dòng)軸承信號(hào)的預(yù)處理方法;接著,在小波分析軟、硬閾值函數(shù)的基礎(chǔ)上提出了一種改進(jìn)閾值函數(shù)的多小波去噪方法,通過(guò)仿真實(shí)驗(yàn)得出改進(jìn)閾值函數(shù)的多小波去噪方法有很好的降噪效果,并用該方法對(duì)搗固車(chē)滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行去噪;最后在經(jīng)過(guò)降噪后的信號(hào)中提取多小波系數(shù)相關(guān)計(jì)算值作為故障特征向量,并將其應(yīng)用到后續(xù)的故障診斷當(dāng)中。支持向量機(jī)中核函數(shù)參數(shù)和懲罰因子的選取直接關(guān)乎著模型分類(lèi)的準(zhǔn)確率。因此本文在布谷鳥(niǎo)算法的基礎(chǔ)上提出了一種自適應(yīng)鳥(niǎo)巢未被宿主發(fā)現(xiàn)概率的改進(jìn)布谷鳥(niǎo)算法,并用此方法對(duì)核函數(shù)參數(shù)以及懲罰因子進(jìn)行尋優(yōu),選擇最優(yōu)參數(shù)構(gòu)建支持向量機(jī)分類(lèi)模型。本文研究了基于二叉樹(shù)的支持向量機(jī)多類(lèi)分類(lèi)的搗固車(chē)滾動(dòng)軸承故障分類(lèi)模型,采用改進(jìn)布谷鳥(niǎo)算法對(duì)支持向量機(jī)中的參數(shù)進(jìn)行優(yōu)化,并將徑向基函數(shù)作為核函數(shù)構(gòu)建最優(yōu)支持向量機(jī)分類(lèi)模型,并將其應(yīng)用到搗固車(chē)滾動(dòng)軸承故障診斷當(dāng)中。通過(guò)仿真實(shí)驗(yàn)可以得出基于改進(jìn)布谷鳥(niǎo)算法優(yōu)化的SVM故障診斷模型可以較為準(zhǔn)確的識(shí)別搗固車(chē)滾動(dòng)軸承故障類(lèi)別。
【學(xué)位單位】：昆明理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TH133.33
【部分圖文】：

而滾動(dòng)體則是整個(gè)系統(tǒng)的動(dòng)力源泉。內(nèi)圈、外圈以及滾動(dòng)體是滾動(dòng)軸承發(fā)生故障的主要來(lái)源。如圖2.1 為滾動(dòng)軸承結(jié)構(gòu)圖。圖 2.1 滾動(dòng)軸承結(jié)構(gòu)圖（2）滾動(dòng)軸承的基本失效形式由于裝配不當(dāng)或者水分和異物的侵入、腐蝕都可能造成滾動(dòng)軸承的損傷，因此滾動(dòng)軸承損傷形式比較復(fù)雜，常見(jiàn)失效形式有以下幾種：疲勞失效、膠合失效、磨損失效、燒傷失效、腐蝕失效、破損失效、壓痕失效等。疲勞失效是由于軸承負(fù)載過(guò)大，從而導(dǎo)致滾動(dòng)體或滾動(dòng)表面發(fā)生脫落導(dǎo)致軸承的失效；膠合失效是由于潤(rùn)滑不當(dāng)導(dǎo)致滾道面出現(xiàn)膠合的失效；磨損失效是軸承長(zhǎng)期轉(zhuǎn)動(dòng)發(fā)生磨損的現(xiàn)象，會(huì)導(dǎo)致轉(zhuǎn)動(dòng)周期發(fā)生變化；燒傷失效是軸承溫度過(guò)高，導(dǎo)致軸承發(fā)生軟化、熔體的現(xiàn)象，從而降低壽命；腐蝕失效是由于操作環(huán)境中化學(xué)物質(zhì)或電流等因素的引入造成的損傷，使得精度降低；破損失效是由于沖擊載荷過(guò)大而出現(xiàn)裂紋或斷裂的現(xiàn)象；壓痕失效是在內(nèi)、外圈以及滾動(dòng)體表面出現(xiàn)凹坑或條狀壓痕的現(xiàn)象，主要是由于承載過(guò)大或有異物入侵所造成的

進(jìn)的方法應(yīng)用到流水車(chē)間調(diào)度問(wèn)題中，證明9]使用二進(jìn)制的方式對(duì)鳥(niǎo)巢的位置進(jìn)行編碼變換，將布谷鳥(niǎo)搜索算法變換成二進(jìn)制形式對(duì)比得出改進(jìn)的算法具有優(yōu)越性。作為一種新型算法已經(jīng)在很多領(lǐng)域中得到了收斂精度不足等缺點(diǎn)，所以本文將對(duì)其進(jìn)行原理 flight）是 Paul Pierre Levy[40]提出的一種隨蛛猴等生物的行動(dòng)軌跡時(shí)，發(fā)現(xiàn)這些生物的況下，可以發(fā)生跨度比較大的跳躍，依據(jù)這程中，萊維飛行很好的避免了局部最優(yōu)，擴(kuò)理想的策略。圖 2.5 為模擬萊維飛行的軌跡

圖 2.6 支持向量機(jī)的超平面 表示分類(lèi)超平面，也就是能夠無(wú)誤區(qū)分兩類(lèi)構(gòu)成的平面，該向量是到最優(yōu)超平面最近平行的，且將1H 和2H 之間的垂直距離叫做何間隔。式如下： 2, ,1 1min min2 2. . 1 0, 1,2, ,Tw b w bi iw w wst y w x b i n ，讓偏導(dǎo)數(shù)賦值等于 0，則有：1100 0ni i iini iiLw y xwLw yb
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹京京;胡遼林;趙瑞;;一種改進(jìn)小波閾值函數(shù)的光纖光柵傳感信號(hào)去噪方法[J];傳感技術(shù)學(xué)報(bào);2015年04期

2 趙志宏;楊紹普;劉永強(qiáng);;多小波系數(shù)特征提取方法在故障診斷中的應(yīng)用[J];振動(dòng).測(cè)試與診斷;2015年02期

3 盧娜;肖志懷;張廣濤;孫召輝;;基于自適應(yīng)多小波與綜合距離評(píng)估指數(shù)的旋轉(zhuǎn)機(jī)械故障特征提取[J];振動(dòng)與沖擊;2014年12期

4 盧娜;肖志懷;曾洪濤;符向前;;基于徑向基多小波神經(jīng)網(wǎng)絡(luò)的水電機(jī)組故障診斷[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2014年03期

5 王立臣;梁浩;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展趨勢(shì)[J];電子測(cè)試;2013年22期

6 馮登科;阮奇;杜利敏;;二進(jìn)制布谷鳥(niǎo)搜索算法[J];計(jì)算機(jī)應(yīng)用;2013年06期

7 李煜;馬良;;新型元啟發(fā)式布谷鳥(niǎo)搜索算法[J];系統(tǒng)工程;2012年08期

8 何正嘉;孫海亮;訾艷陽(yáng);;自適應(yīng)多小波基函數(shù)構(gòu)造與機(jī)械故障診斷應(yīng)用研究[J];中國(guó)工程科學(xué);2011年10期

9 曹巍;趙英凱;高世偉;;基于模糊核聚類(lèi)的多類(lèi)支持向量機(jī)[J];化工學(xué)報(bào);2010年02期

10 張蕊;王學(xué)偉;王琳;;基于GHM多小波的電力系統(tǒng)故障錄波數(shù)據(jù)壓縮算法[J];電測(cè)與儀表;2008年10期

相關(guān)博士學(xué)位論文 前2條

1 廖強(qiáng);約束獨(dú)立分量和多小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用[D];電子科技大學(xué);2016年

2 劉志剛;多小波理論及其在電力系統(tǒng)故障信號(hào)處理中的應(yīng)用研究[D];西南交通大學(xué);2003年

相關(guān)碩士學(xué)位論文 前5條

1 王雪;基于多小波分析的搗固車(chē)滾動(dòng)軸承故障診斷的研究[D];昆明理工大學(xué);2017年

2 劉東啟;基于支持向量機(jī)的不平衡數(shù)據(jù)分類(lèi)算法研究[D];浙江大學(xué);2017年

3 黃繼達(dá);布谷鳥(niǎo)算法的改進(jìn)及其應(yīng)用研究[D];華中科技大學(xué);2014年

4 彭璐;支持向量機(jī)分類(lèi)算法研究與應(yīng)用[D];湖南大學(xué);2007年

5 韓景梅;支持向量機(jī)決策樹(shù)算法研究及其應(yīng)用[D];上海交通大學(xué);2007年

本文編號(hào)：2854931