本文關鍵詞：基于拉普拉斯特征映射的旋轉機械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：轉子作為旋轉機械的核心部件,在整個機械的運作中扮演著至關重要的角色,轉子系統(tǒng)的運行狀況直接關乎到整臺機械的性能。轉子系統(tǒng)長期在高速、超負荷、長時間的等工作惡劣環(huán)境下極其容易出現(xiàn)各種故障,如果不及時對故障進行診斷維護、造成整機的失效和工業(yè)生產(chǎn)建設的進程帶來巨大的經(jīng)濟損失,同時潛在的也存在著安全隱患。文章以旋轉機械為研究對象,針對傳統(tǒng)時頻分析對故障診斷領域的一些不足和早期復合故障診斷中噪聲干擾大的問題,設計了故障模擬方案和深入研究了拉普拉斯特征映射算法,利用流形學習方法提取轉子故障系統(tǒng)的有效特征。主要研究工作如下:1)針對傳統(tǒng)時頻分析方法對信號高頻地帶冗余性和信號特征提取不完整的不足,提出了一種基于多尺度拉普拉斯特征映射(Multiscale-LE,MS-LE)的轉子故障診斷方法,多尺度分解故障信號,提高分辨率獲取信息,提取各尺度小波熵,同一故障所有狀態(tài)的小波熵構成高維特征集合并進行本征維數(shù)估計,利用拉普拉斯特征映射算法(LE)以本征維數(shù)估計值為依據(jù)進行降維,獲得低維特征映射,最終實現(xiàn)了轉子故障特征提取和識別,并比較了經(jīng)典的主成分分析算法(PCA)、局部線性嵌入算法(LLE)和LE方法,證明了多尺度拉普拉斯特征映射方法(MS-LE)對故障識別的有效性。2)在機械設備的早期復合故障診斷中發(fā)現(xiàn)噪聲干擾強、傳統(tǒng)線性時頻方法對故障信息的潛在特征挖掘能力不強等問題,提出了基于流形子帶特征映射的故障診斷方法,利用小波包分析方法對噪聲的強烈抑制作用和信號分解多分辨率性,為了獲得完整特征的故障信號首先對故障原始信號進行相空間重構,然后信號分解成多個流形子帶,并以同一故障多種狀態(tài)的同一流形子帶組合成高維的本征特性數(shù)據(jù)空間并且對其進行本征維數(shù)估計,通過LE方法將高維數(shù)據(jù)空間的本質特征映射到低維特征向量。最后,提取其信息熵值,通過實驗分析對比了經(jīng)典LLE、LE方法和MS-LE方法,證明流形子帶特征映射方法對單故障和復合故障識別都具有實用性。3)文本自主開發(fā)和設計了一套基于拉普拉斯特征映射的轉子故障診斷系統(tǒng),包括參數(shù)設置、系統(tǒng)的整體構架、結構模塊的設計、流形學習方法診斷等,重點將拉普拉斯特征映射為代表的流形方法引入到系統(tǒng)設計中,針對不同的轉子故障選擇適當?shù)姆椒?同時進行各個方法的分析對比,提高了故障診斷的實用性和準確性。
【關鍵詞】：流形學習 拉普拉斯特征映射 多尺度 流形子帶 故障診斷
【學位授予單位】：湖南科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH165.3
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 課題研究背景11
• 1.2 國內(nèi)外研究現(xiàn)狀11-17
• 1.3 存在的問題17
• 1.4 課題主要研究內(nèi)容17-19
• 第二章 基于多尺度拉普拉斯特征映射的診斷方法19-33
• 2.1 拉普拉斯特征映射算法19-20
• 2.2 多尺度拉普拉斯特征映射方法思路與步驟20-23
• 2.3 實驗驗證23-30
• 2.3.1 故障模擬實驗臺23-24
• 2.3.2 信號采集系統(tǒng)24-26
• 2.3.3 時域和頻域特性分析26-28
• 2.3.4 多尺度拉普拉斯特征映射診斷28-30
• 2.4 本章小結30-33
• 第三章 基于流形子帶特征映射的故障診斷方法33-49
• 3.1 時頻流形方法33-34
• 3.2 基于流形子帶特征映射故診斷方法34-40
• 3.2.1 相空間重構34-36
• 3.2.2 基于流形子帶特征映射方法思路36
• 3.2.3 基于流形子帶特征映射方法步驟36-40
• 3.3 實驗驗證40-47
• 3.3.1 數(shù)據(jù)預處理40-41
• 3.3.2 流形子帶特征映射方法故障診斷41-44
• 3.3.3 對比驗證44-47
• 3.4 本章小結47-49
• 第四章 基于拉普拉斯特征映射的故障診斷系統(tǒng)設計49-61
• 4.1 開發(fā)軟件49-50
• 4.2 故障診斷系統(tǒng)設計50-51
• 4.3 流形學習故障診斷流程51-52
• 4.4 故障診斷實現(xiàn)52-60
• 4.4.1 信號的基礎分析53-56
• 4.4.2 流形學習診斷56-58
• 4.4.3 基于拉普拉斯特征映射故障診斷58-60
• 4.5 本章小結60-61
• 第五章 總結與展望61-65
• 5.1 論文總結61-63
• 5.2 研究展望63-65
• 參考文獻65-69
• 致謝69-71
• 附錄：攻讀碩士學位期間主要研究成果目錄71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 戴志波;王靖;;魯棒拉普拉斯特征映射算法[J];計算機應用研究;2011年09期

2 張龍;張磊;熊國良;黃文藝;周繼惠;;基于多尺度熵和神經(jīng)網(wǎng)絡的滾動軸承故障診斷[J];機械設計與研究;2014年05期

3 王廣斌;劉義倫;黃良沛;;基于核schur正交局部Fisher判別的轉子故障診斷[J];儀器儀表學報;2010年05期

4 李曉虎,賈民平,許飛云;頻譜分析法在齒輪箱故障診斷中的應用[J];振動、測試與診斷;2003年03期

5 王曉冬;何正嘉;訾艷陽;;多小波自適應構造方法及滾動軸承復合故障診斷研究[J];振動工程學報;2010年04期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李鵬;多尺度分析方法在旋轉機械狀態(tài)監(jiān)測中的應用研究[D];中國科學技術大學;2012年

  本文關鍵詞：基于拉普拉斯特征映射的旋轉機械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：419985