【摘要】：隨著信息理論和圖像分析理論的發(fā)展,近年來基于圖像處理的故障診斷方法研究成為故障診斷領(lǐng)域研究熱點。時頻圖像相比于時域圖和頻域圖包含更加豐富的風(fēng)電傳動機械運行狀態(tài)信息,更加適合風(fēng)電傳動機械故障分析,但是目前時頻圖像分析一般需要專業(yè)人員分析判別,且一般從時域或頻域參數(shù)分析,沒有充分利用圖像幾何形狀紋理等信息,自動化程度低。因此本文開展基于圖像特征提取的風(fēng)電傳動機械故障診斷方法研究,提高故障診斷效率與準確率。主要研究工作包括:(1)為了使圖像處理技術(shù)應(yīng)用到故障診斷中,首先研究如何利用振動信號構(gòu)建合適的參數(shù)圖像。本文研究短時傅里葉變換、Wigner-Ville分布以及閾值去噪小波變換三種時頻分析方法,并對模擬信號進行時頻分析得到二維時頻圖像,對比分析結(jié)果表明基于閾值去噪小波變換的時頻圖像有更好的時頻分辨率和抗噪聲能力,能夠更加清晰反映風(fēng)電機組故障信息。(2)為了對時頻圖像進行特征提取并得到統(tǒng)計量特征,研究提取圖像特征的灰度共生矩陣方法、Hu不變矩方法及兩種方法結(jié)合。灰度共生矩陣能精確反映圖像紋理的空間復(fù)雜度、粗糙程度和重復(fù)方向,Hu不變矩能夠充分反映圖像區(qū)域特征。提出利用特征值的相關(guān)性進行兩種方法的特征結(jié)合,新特征向量能夠更好表現(xiàn)時頻圖像特征,有效提取風(fēng)電機組傳動機械故障信息。(3)針對本文所提取的時頻圖像特征向量,將人工免疫算法中的陰性選擇算法應(yīng)用到風(fēng)電傳動機械故障診斷中,提出適用于振動信號時頻圖像識別的可變閾值實值陰性選擇算法及其故障診斷方法流程。(4)驗證所研究的基于圖像特征提取技術(shù)的風(fēng)電機組傳動機械故障診斷方法,對河北某風(fēng)場風(fēng)機齒輪箱正常振動信號和故障振動信號進行數(shù)據(jù)處理、構(gòu)建時頻圖像、提取圖像特征并應(yīng)用人工免疫算法進行故障分析,提高了故障診斷準確率。
【學(xué)位授予單位】：北京信息科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM614;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 白明柱;楊立森;阿木古楞;;圖像特征提取的研究進展[J];科技創(chuàng)新與應(yīng)用;2013年04期

2 林明星,王曉華,管志光,丁鳳華,趙永瑞;基于差分碼的圖像特征提取方法研究[J];儀器儀表學(xué)報;2004年S2期

3 趙英亮;王黎明;韓焱;;基于形態(tài)學(xué)與聚類相結(jié)合的圖像特征提取方法研究[J];彈箭與制導(dǎo)學(xué)報;2010年02期

4 周春光;孫明芳;王u&菁;陳前;劉小華;劉昱昊;;基于稀疏張量的人臉圖像特征提取[J];吉林大學(xué)學(xué)報(工學(xué)版);2012年06期

5 韋v

本文編號：2790306