本文關(guān)鍵詞：基于符號化時間序列分析的軸承故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：軸承是旋轉(zhuǎn)機械設(shè)備的關(guān)鍵部件,其可靠性對設(shè)備的安全運行至關(guān)重要。隨著現(xiàn)代工業(yè)技術(shù)的發(fā)展,機械設(shè)備中軸承的工作條件越來越苛刻,發(fā)生故障的概率越來越大。從歷史統(tǒng)計數(shù)據(jù)來看,軸承是旋轉(zhuǎn)機械發(fā)生故障概率最大的部件之一,因此對軸承的故障診斷方法研究具有十分重要的意義。符號化時間序列分析是由符號動力學(xué)理論、混沌時間序列分析和信息理論發(fā)展起來的一種新的信號分析方法,經(jīng)過近十幾年的迅速發(fā)展已經(jīng)逐漸成熟。將符號化時間序列分析引入到軸承的故障診斷當(dāng)中,可以為軸承故障診斷提供一種新的解決思路。本文著重研究基于符號概率有限狀態(tài)機特征提取的軸承智能診斷算法,主要工作和研究成果歸納如下：(1)介紹了符號化時間序列分析的基本理論,在對之前符號化方法總結(jié)分析的基礎(chǔ)上,提出了一種高效實用的符號化方法：基于概率密度相空間劃分的符號化方法。在該方法中,首先對時間序列進行概率密度統(tǒng)計分析,進而確定若干個概率相等的區(qū)間,然后對屬于特定區(qū)間的值賦予一個特定的符號,這樣就把原始時間序列轉(zhuǎn)化成了符號時間序列。為了檢驗該方法的效果,將基于概率密度空間劃分的符號化時間序列分析方法用于軸承疲勞實驗的異常診斷當(dāng)中。通過對比實驗表明,概率密度符號化方法與傳統(tǒng)的空間劃分方法相比對異常更加敏感,能夠更早的診斷出軸承狀態(tài)的異常變化。(2)將符號化概率有限狀態(tài)機擴展到二維空間上,提出了一種基于短時傅里葉變換的二維符號概率有限狀態(tài)機特征提取方法。相比傳統(tǒng)的方法在兩個方面做了補充和改進：首先,使用短時傅里葉變換系數(shù)代替小波系數(shù)作為符號概率有限狀態(tài)機的輸入。其次,對有限狀態(tài)機中的狀態(tài)矩陣確定方法進行了改進,提出了一種忽略矩形框中符號排列而只考慮符號分布的策略來對狀態(tài)進行壓縮的方法,這一改進提高了該特征提取方法的計算效率。(3)傳統(tǒng)的K-最近鄰分類算法,隨著訓(xùn)練樣本數(shù)量增加所需的存儲空間與計算時間將大大增長。針對上述局限性提出了一種基于K-means聚類改進的K-最近鄰分類算法。該改進算法,首先使用K-means對訓(xùn)練集進行聚類分析,使各類訓(xùn)練樣本數(shù)量得到壓縮,然后使用K個最近壓縮樣本對未知類型樣本進行分類。這一改進提高了算法的計算效率、并避免了樣本數(shù)量分布不均衡對分類的影響。(4)給出了基于符號化時間序列分析的軸承智能故障診斷方法,并對實際軸承故障信號進行分類診斷。共進行了軸承內(nèi)圈、球體、外圈三類故障損傷程度的檢測,三組實驗平均分類正確率為99.00%、92.33%、99.92%,均表現(xiàn)了較高的識別率。為了驗證對K-最近鄰算法改進的有效性,同時進行了傳統(tǒng)K-最近鄰算法的對比實驗,實驗表明本文提出的改進方法,在保證軸承故障診斷效果同時提高了其計算效率并降低了所需存儲空間。
【關(guān)鍵詞】：符號化時間序列分析 軸承故障診斷 概率有限狀態(tài)機 K-最近鄰分類
【學(xué)位授予單位】：東南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH133.3
【目錄】：

• 摘要4-5
• Abstract5-8
• 第一章 緒論8-18
• 1.1 課題的研究背景與意義8
• 1.2 軸承故障診斷8-10
• 1.2.1 軸承結(jié)構(gòu)與常見故障類型8-10
• 1.2.2 軸承故障診斷系統(tǒng)10
• 1.3 國內(nèi)外研究現(xiàn)狀10-16
• 1.3.1 符號化信號分析方法研究現(xiàn)狀13-14
• 1.3.2 符號化方法研究現(xiàn)狀14
• 1.3.3 符號化概率有限狀態(tài)機研究現(xiàn)狀14-15
• 1.3.4 分類方法的研究現(xiàn)狀15-16
• 1.4 本文的主要研究內(nèi)容與章節(jié)安排16-18
• 第二章 符號時間序列分析理論與符號化方法18-31
• 2.1 信號的符號化18-25
• 2.1.1 基于值域的符號化方法19-21
• 2.1.2 基于分布的劃分方法21-22
• 2.1.3 概率密度劃分方法22-24
• 2.1.4 符號集大小的選擇24-25
• 2.2 符號序列特征提取25-27
• 2.3 概率密度劃分方法實驗驗證27-30
• 2.4 本章小結(jié)30-31
• 第三章 符號化概率有限狀態(tài)機31-40
• 3.1 時間序列的時頻分析與符號化31-35
• 3.2 二維概率有限狀態(tài)機模型35-38
• 3.2.1 二維概率有限狀態(tài)機的“狀態(tài)”35-37
• 3.2.2 狀態(tài)矩陣的特征提取37-38
• 3.3 本章小結(jié)38-40
• 第四章 改進的K-最近鄰分類算法40-49
• 4.1 K-最近鄰分類40-44
• 4.1.1 最近鄰分類40-42
• 4.1.2 K-最近鄰分類42-44
• 4.2 基于K-means聚類改進的K-最近鄰分類44-48
• 4.2.1 K-means聚類算法44-46
• 4.2.2 改進的K-最近鄰分類算法46-48
• 4.3 本章小結(jié)48-49
• 第五章 軸承故障診斷實驗驗證49-61
• 5.1 基于符號時間序列分析的軸承智能診斷49-50
• 5.2 軸承故障模擬實驗50-60
• 5.2.1 不同程度損傷的內(nèi)圈故障實驗51-54
• 5.2.2 不同程度損傷的球體故障實驗54-55
• 5.2.3 不同程度損傷的外圈故障實驗55-58
• 5.2.4 訓(xùn)練樣本數(shù)量不均衡對比實驗58-60
• 5.3 本章小結(jié)60-61
• 第六章 結(jié)論與展望61-63
• 6.1 本文工作總結(jié)61-62
• 6.2 未來展望62-63
• 致謝63-64
• 參考文獻64-72
• 碩士學(xué)位攻讀期間獲得的學(xué)術(shù)成果72

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳鈞;伍云山;;統(tǒng)計技術(shù)應(yīng)用 時間序列分析[J];日用電器;2011年04期

2 張景繪;邱陽;;時間序列分析在振動中的應(yīng)用[J];振動與沖擊;1983年01期

3 黃仁;;時間序列分析及其在機械工程中的應(yīng)用(一)[J];江蘇機械;1984年04期

4 黃仁;;時間序列分析及其在機械工程中的應(yīng)用(一)[J];江蘇機械;1984年04期

5 成志清 ,金瑞琪 ,林松 ,張寶榮;時間序列分析在機床主軸系統(tǒng)動態(tài)性能研究中的應(yīng)用[J];江蘇工學(xué)院學(xué)報;1986年01期

6 TB銳;時間序列分析中的模型定階策略[J];國防科技大學(xué)學(xué)報;1988年04期

7 楊建東;于化東;譚云成;;時間序列分析中一些特殊情況的探討[J];長春光學(xué)精密機械學(xué)院學(xué)報;1988年02期

8 ;《時間序列分析的工程應(yīng)用》一書即將出版發(fā)行[J];振動、測試與診斷;1990年01期

9 陳子蔭;時間序列分析——一種預(yù)報巖體力學(xué)行為的可能途徑[J];巖土工程學(xué)報;1991年04期

10 阮偉;;時間序列分析與加權(quán)殘值法[J];同濟大學(xué)學(xué)報(自然科學(xué)版);1991年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 高峰;;時間序列分析在顧客滿意度中的應(yīng)用研究[A];第三屆中國質(zhì)量學(xué)術(shù)論壇論文集[C];2008年

2 鄭文衡;陳俊華;嚴尊國;楊立明;張秋文;;用時間序列分析預(yù)報地震的新途徑[A];1995年中國地球物理學(xué)會第十一屆學(xué)術(shù)年會論文集[C];1995年

3 蘇春宏;張宏;;時間序列分析在規(guī)劃環(huán)境影響評價環(huán)境背景分析中的應(yīng)用[A];2010中國環(huán)境科學(xué)學(xué)會學(xué)術(shù)年會論文集(第二卷)[C];2010年

4 鐘球;蔣莉;周琳;李建偉;陳瑜暉;連永娥;;廣東省結(jié)核病發(fā)病趨勢的時間序列分析[A];中國防癆協(xié)會科普委員會第十二屆學(xué)術(shù)大會論文集[C];2010年

5 余衛(wèi)東;閔慶文;;商丘市居民生活消費生態(tài)足跡的時間序列分析[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——河南省第四屆青年學(xué)術(shù)年會論文集（下冊）[C];2004年

6 李圣明;;時間序列分析及其在變形監(jiān)測中的應(yīng)用研究[A];湖北省測繪學(xué)會2006年度科學(xué)技術(shù)交流會論文集[C];2006年

7 鄭璐石;鄭穎人;;對時間序列分析的建模問題初探[A];水電與礦業(yè)工程中的巖石力學(xué)問題——中國北方巖石力學(xué)與工程應(yīng)用學(xué)術(shù)會議文集[C];1991年

8 劉曉斌;;小波網(wǎng)絡(luò)在經(jīng)濟時間序列分析中的應(yīng)用[A];管理科學(xué)與系統(tǒng)科學(xué)進展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

9 任永建;周鎖銓;石順吉;;2005年南京市PM_(10)濃度時間序列分析[A];中國氣象學(xué)會2007年年會大氣成分觀測、研究與預(yù)報分會場論文集[C];2007年

10 閔慶文;余衛(wèi)東;成升魁;;商丘市居民生活消費生態(tài)足跡的時間序列分析[A];生態(tài)學(xué)與全面·協(xié)調(diào)·可持續(xù)發(fā)展——中國生態(tài)學(xué)會第七屆全國會員代表大會論文摘要薈萃[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前3條

1 ;統(tǒng)計新書評介[N];中國信息報;2001年

2 本報記者 李愛銘;“小神算”出手,誤差僅六千[N];解放日報;2010年

3 早報記者 韓曉蓉　實習(xí)生 楊鑫P";高中生用數(shù)學(xué)模型預(yù)測世博客流 平均誤差6000人[N];東方早報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 聶淑媛;時間序列分析的早期發(fā)展[D];西北大學(xué);2012年

2 張晉昕;醫(yī)學(xué)時間序列分析及其預(yù)測應(yīng)用相關(guān)問題的研究[D];第四軍醫(yī)大學(xué);2000年

3 王鼐;非線性動力學(xué)方法在時間序列分析中的應(yīng)用[D];復(fù)旦大學(xué);2005年

4 鮑漪瀾;基于支持向量機的金融時間序列分析預(yù)測算法研究[D];大連海事大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李雪;基于EMD的變形預(yù)測組合模型的研究與應(yīng)用[D];長安大學(xué);2015年

2 朱學(xué)婷;基于RBF-GARCH模型的股指預(yù)測研究[D];蘭州大學(xué);2015年

3 李嶺;基于GARCH與BP-ANN的股價預(yù)測能力比較研究[D];西南交通大學(xué);2015年

4 王健;基于時間序列分析的寧夏能源消費預(yù)測[D];寧夏大學(xué);2015年

5 朱曉楠;基于聚類和時間序列分析的保險業(yè)發(fā)展水平研究[D];蘇州大學(xué);2015年

6 錢曉東;基于時間序列分析的風(fēng)電功率預(yù)測研究[D];山西大學(xué);2015年

7 趙薇;基于時間序列分析與數(shù)據(jù)模型的過程報警管理系統(tǒng)[D];電子科技大學(xué);2014年

8 李璐潔;基于時間序列分析的內(nèi)燃機故障診斷及GUI的設(shè)計[D];西安電子科技大學(xué);2014年

9 郭松;基于時間序列分析的基坑沉降監(jiān)測數(shù)據(jù)分析研究[D];東華理工大學(xué);2015年

10 陳瑤;基于時間序列分析的我國GDP預(yù)測模型[D];蘇州科技學(xué)院;2015年

  本文關(guān)鍵詞：基于符號化時間序列分析的軸承故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：317855