鐵路作為貨物運輸和國民出行的主要交通運輸方式之一,是一個國家經(jīng)濟實力的具體體現(xiàn)。搗固車作為對鐵路進行作業(yè)與維修的主要工具,具有至關(guān)重要的作用。搗固車的工作環(huán)境惡劣,所以更容易發(fā)生故障,而滾動軸承是搗固車的重要工作部件,若其發(fā)生故障則直接關(guān)乎著整個工程的精度和進度。因此,如何準確快速的發(fā)現(xiàn)搗固車滾動軸承的早期故障成為今后研究的重點。本文首先將采集到的搗固車滾動軸承的振動信號用改進多小波閾值函數(shù)的去噪方法進行降噪處理,并在多小波分析過程中采集多小波系數(shù),將其相關(guān)統(tǒng)計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練好的支持向量機分類模型中進行分類,其中在構(gòu)建故障分類模型時采用了改進布谷鳥算法對SVM分類模型中的參數(shù)進行優(yōu)化,并用基于改進布谷鳥算法優(yōu)化的SVM多類分類器進行故障分類。滾動軸承的工作環(huán)境差,因此采集到的振動信號中含有大量噪聲,這將會影響故障診斷的準確率,故本文提出了一種改進多小波閾值函數(shù)的去噪方法,并將多小波系數(shù)作為故障特征向量應用到搗固車滾動軸承故障診斷的分析中。介于多小波的預處理方法針對不同的振動信號會有不同的預處理效果的特點,本文首先針對搗固車滾動軸承振動信號進行多小波預處理方法的選擇,同時將相關(guān)系數(shù)和信號能量作為評價標準,選取出最適合搗固車滾動軸承信號的預處理方法;接著,在小波分析軟、硬閾值函數(shù)的基礎上提出了一種改進閾值函數(shù)的多小波去噪方法,通過仿真實驗得出改進閾值函數(shù)的多小波去噪方法有很好的降噪效果,并用該方法對搗固車滾動軸承振動信號進行去噪;最后在經(jīng)過降噪后的信號中提取多小波系數(shù)相關(guān)計算值作為故障特征向量,并將其應用到后續(xù)的故障診斷當中。支持向量機中核函數(shù)參數(shù)和懲罰因子的選取直接關(guān)乎著模型分類的準確率。因此本文在布谷鳥算法的基礎上提出了一種自適應鳥巢未被宿主發(fā)現(xiàn)概率的改進布谷鳥算法,并用此方法對核函數(shù)參數(shù)以及懲罰因子進行尋優(yōu),選擇最優(yōu)參數(shù)構(gòu)建支持向量機分類模型。本文研究了基于二叉樹的支持向量機多類分類的搗固車滾動軸承故障分類模型,采用改進布谷鳥算法對支持向量機中的參數(shù)進行優(yōu)化,并將徑向基函數(shù)作為核函數(shù)構(gòu)建最優(yōu)支持向量機分類模型,并將其應用到搗固車滾動軸承故障診斷當中。通過仿真實驗可以得出基于改進布谷鳥算法優(yōu)化的SVM故障診斷模型可以較為準確的識別搗固車滾動軸承故障類別。
【學位單位】：昆明理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TH133.33
【部分圖文】：

而滾動體則是整個系統(tǒng)的動力源泉。內(nèi)圈、外圈以及滾動體是滾動軸承發(fā)生故障的主要來源。如圖2.1 為滾動軸承結(jié)構(gòu)圖。圖 2.1 滾動軸承結(jié)構(gòu)圖（2）滾動軸承的基本失效形式由于裝配不當或者水分和異物的侵入、腐蝕都可能造成滾動軸承的損傷，因此滾動軸承損傷形式比較復雜，常見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載過大，從而導致滾動體或滾動表面發(fā)生脫落導致軸承的失效；膠合失效是由于潤滑不當導致滾道面出現(xiàn)膠合的失效；磨損失效是軸承長期轉(zhuǎn)動發(fā)生磨損的現(xiàn)象，會導致轉(zhuǎn)動周期發(fā)生變化；燒傷失效是軸承溫度過高，導致軸承發(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，主要是由于承載過大或有異物入侵所造成的

進的方法應用到流水車間調(diào)度問題中，證明9]使用二進制的方式對鳥巢的位置進行編碼變換，將布谷鳥搜索算法變換成二進制形式對比得出改進的算法具有優(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，所以本文將對其進行原理 flight）是 Paul Pierre Levy[40]提出的一種隨蛛猴等生物的行動軌跡時，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 支持向量機的超平面 表示分類超平面，也就是能夠無誤區(qū)分兩類構(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 ，讓偏導數(shù)賦值等于 0，則有：1100 0ni i iini iiLw y xwLw yb
【參考文獻】

相關(guān)期刊論文 前10條

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

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

3 盧娜;肖志懷;張廣濤;孫召輝;;基于自適應多小波與綜合距離評估指數(shù)的旋轉(zhuǎn)機械故障特征提取[J];振動與沖擊;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)絡的水電機組故障診斷[J];武漢大學學報(工學版);2014年03期

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

6 馮登科;阮奇;杜利敏;;二進制布谷鳥搜索算法[J];計算機應用;2013年06期

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

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

9 曹巍;趙英凱;高世偉;;基于模糊核聚類的多類支持向量機[J];化工學報;2010年02期

10 張蕊;王學偉;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];電測與儀表;2008年10期

相關(guān)博士學位論文 前2條

1 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

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

相關(guān)碩士學位論文 前5條

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

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

3 黃繼達;布谷鳥算法的改進及其應用研究[D];華中科技大學;2014年

4 彭璐;支持向量機分類算法研究與應用[D];湖南大學;2007年

5 韓景梅;支持向量機決策樹算法研究及其應用[D];上海交通大學;2007年

本文編號：2854931