本文關(guān)鍵詞：基于CELCD和MFVPMCD的智能故障診斷方法研究

  更多相關(guān)文章： 互相關(guān)匹配延拓 局部特征尺度分解 多模型融合 多變量預(yù)測模型 故障診斷

【摘要】：針對旋轉(zhuǎn)機(jī)械故障診斷方法中信號處理和模式識別的不足,即端點(diǎn)效應(yīng)和判別片面性問題,提出一種基于互相關(guān)匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改進(jìn)多變量預(yù)測模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障診斷方法,首先探索待分解信號前后端的數(shù)據(jù)規(guī)律,選取匹配波形完成端點(diǎn)延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端點(diǎn)效應(yīng)的內(nèi)稟尺度分量(Intrinsic Scale Component,ISC),最后輸入到基于多模型融合的多變量預(yù)測模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分類器中進(jìn)行概率狀態(tài)判定.實(shí)驗(yàn)分析結(jié)果表明,所提方法能有效地對滾動軸承的工作狀態(tài)進(jìn)行識別.
【作者單位】： 安徽工業(yè)大學(xué)機(jī)械工程學(xué)院;湖南大學(xué)汽車車身先進(jìn)設(shè)計制造國家重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 互相關(guān)匹配延拓 局部特征尺度分解 多模型融合 多變量預(yù)測模型 故障診斷
【基金】：國家自然科學(xué)基金(No.51505002,No.51175158) 安徽高校自然科學(xué)研究項(xiàng)目資助(No.2015A080)
【分類號】：TH17
【正文快照】： 1引言當(dāng)機(jī)械工作時,其振動信號往往表現(xiàn)出非平穩(wěn)和非線性特征,對這類信號振動特征的準(zhǔn)確提取尤為重要,但是如果直接從這些非平穩(wěn)或非線性信號中提取特征勢必影響故障診斷的效果,因此,特征提取前有必要進(jìn)行信號處理.局部特征尺度分解(Local Characteris-tic scale Decompositio

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王耀才;智能故障診斷技術(shù)的現(xiàn)狀與展望[J];徐州建筑職業(yè)技術(shù)學(xué)院學(xué)報;2003年01期

2 王慶,巴德純,王曉冬;智能故障診斷的粗糙決策模型[J];東北大學(xué)學(xué)報;2005年01期

3 潘兵;熊靜琪;;多傳感器信息融合在液壓系統(tǒng)智能故障診斷中的應(yīng)用[J];機(jī)床與液壓;2006年05期

4 曹守啟;韓彥嶺;;智能故障診斷決策模型與評價方法研究[J];機(jī)床與液壓;2008年08期

5 陸勝;劉錟;;基于知識的智能故障診斷方法和過程實(shí)現(xiàn)[J];機(jī)床與液壓;2009年01期

6 雷亞國;何正嘉;;混合智能故障診斷與預(yù)示技術(shù)的應(yīng)用進(jìn)展[J];振動與沖擊;2011年09期

7 趙廷弟,常文兵;基于可靠性方法的智能故障診斷模型[J];航空學(xué)報;1995年S1期

8 張培先,董澤,劉吉臻;智能故障診斷技術(shù)的發(fā)展及應(yīng)用[J];山西電力;2001年03期

9 吳吉平,郝喜海,胡京明;包裝機(jī)械智能故障診斷技術(shù)[J];中國包裝工業(yè);2002年06期

10 姜萬錄;程曉盛;陳東寧;;遠(yuǎn)程智能故障診斷技術(shù)的現(xiàn)狀與展望[J];機(jī)床與液壓;2006年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李廣峰;張伏龍;;裝甲裝備智能故障診斷技術(shù)研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

2 馬哲一;趙靜一;李鵬飛;王慶新;;高速鐵路運(yùn)架提設(shè)備遠(yuǎn)程智能故障診斷技術(shù)研究[A];第五屆全國流體傳動與控制學(xué)術(shù)會議暨2008年中國航空學(xué)會液壓與氣動學(xué)術(shù)會議論文集[C];2008年

3 趙榮珍;李超;張力;;知識技術(shù)向旋轉(zhuǎn)機(jī)械智能故障診斷研究提出的一項(xiàng)新任務(wù)[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

4 徐冬芳;鄧飛其;;基于多傳感器數(shù)據(jù)融合的智能故障診斷系統(tǒng)[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 羅賀;付超;季星;;基于DS證據(jù)理論的智能故障診斷方法[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

6 崔民;杜志江;路同浚;;機(jī)器人化遙控鏟掘機(jī)現(xiàn)場CAN總線智能故障診斷技術(shù)研究[A];2001系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2001年

7 呂蓬;柳亦兵;馬強(qiáng);魏于凡;;支持向量機(jī)在齒輪智能故障診斷中的應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

8 曹波偉;薛青;牛金濤;龔長虹;劉磊;;基于神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)的裝備智能故障診斷的研究[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

9 張周鎖;侯照文;孫闖;何正嘉;;基于粒計算的混合智能故障診斷技術(shù)及應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

10 夏飛;權(quán)亞蕾;彭道剛;;基于數(shù)據(jù)融合的電廠凝汽器智能故障診斷研究[A];智能化電站技術(shù)發(fā)展研討暨電站自動化2013年會論文集[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 劉曉穎;復(fù)雜過程的智能故障診斷技術(shù)及其在大型工業(yè)窯爐中的應(yīng)用研究[D];中南大學(xué);2003年

2 武和雷;集成智能故障診斷策略及其應(yīng)用研究[D];浙江大學(xué);2003年

3 馬笑瀟;智能故障診斷中的機(jī)器學(xué)習(xí)新理論及其應(yīng)用研究[D];重慶大學(xué);2002年

4 彭強(qiáng);復(fù)雜系統(tǒng)遠(yuǎn)程智能故障診斷技術(shù)研究[D];南京理工大學(xué);2004年

5 熊偉;基于Petri網(wǎng)的遠(yuǎn)程智能故障診斷方法研究[D];華北電力大學(xué);2014年

6 張錚;不完備不協(xié)調(diào)信息條件下的設(shè)備智能故障診斷[D];華中科技大學(xué);2007年

7 許瑞華;高功率激光裝置參數(shù)測量系統(tǒng)智能故障診斷技術(shù)研究[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2014年

8 秦大力;基于知識管理的設(shè)備故障智能診斷模型研究[D];湖南大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 宋勝博;基于敏感部件檢測的APU智能故障診斷方法研究[D];中國民航大學(xué);2016年

2 王緯宇;基于CEEMD和紋理特征的旋轉(zhuǎn)機(jī)械智能故障診斷方法[D];哈爾濱理工大學(xué);2016年

3 鄖剛;基于異常數(shù)據(jù)的智能故障診斷探究[D];廈門大學(xué);2007年

4 花偉;鍋爐混合智能故障診斷技術(shù)的研究[D];南京工業(yè)大學(xué);2006年

5 高洪波;智能故障診斷中綜合信號處理的研究[D];西北工業(yè)大學(xué);2004年

6 夏博;選煤廠設(shè)備智能故障診斷方法的研究與應(yīng)用[D];華中科技大學(xué);2012年

7 沈維兵;遠(yuǎn)程智能故障診斷技術(shù)與系統(tǒng)研究[D];南京理工大學(xué);2003年

8 李中偉;智能故障診斷技術(shù)在遙測裝備中的應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

9 陳勵華;智能故障診斷技術(shù)的應(yīng)用與研究[D];西北工業(yè)大學(xué);2005年

10 劉一;智能故障診斷方法研究及應(yīng)用[D];昆明理工大學(xué);2003年

，

本文編號：579782