本文關(guān)鍵詞：基于粗糙集與核主元分析方法的柴油機(jī)故障檢測與診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著當(dāng)代工業(yè)水平的發(fā)展，柴油機(jī)被越來越廣泛地應(yīng)用于當(dāng)代工業(yè)的各個重要行業(yè)當(dāng)中，但是由于柴油機(jī)本身結(jié)構(gòu)的復(fù)雜性，加之周邊工作環(huán)境一般也比較惡劣，使得柴油機(jī)故障的發(fā)生率與復(fù)雜程度也在升高。如果這些故障不能被及時地識別與處理，將會帶來不可挽回的經(jīng)濟(jì)損失，甚至導(dǎo)致安全事故的發(fā)生，所以開展柴油機(jī)故障診斷的相關(guān)研究是十分有意義的。近年來，基于振動信號的柴油機(jī)故障診斷技術(shù)在機(jī)械故障診斷領(lǐng)域迅速地發(fā)展起來，本文主要研究的就是基于振動信號的柴油機(jī)故障診斷方法，首先用小波包能量譜方法提取振動信號的特征值，然后提出了將核主元分析方法與粗糙集理論相結(jié)合來進(jìn)行特征值的進(jìn)一步優(yōu)化與故障監(jiān)測，實(shí)現(xiàn)了兩者在柴油機(jī)故障診斷中的優(yōu)勢互補(bǔ)，克服了核主元分析不能在數(shù)據(jù)處理前刪除多余屬性與特征值的缺點(diǎn)，有效地減少了核主元分析的計(jì)算量，提高了運(yùn)算效率，但是這一方法只能完成故障的監(jiān)測，不能完成對故障的分類，本文最后提出了將支持向量機(jī)與核主元分析法相結(jié)合完成對柴油機(jī)故障的分類，并且取得了很好的效果，證明了所用方法的有效性與適用性，為柴油機(jī)的故障診斷工作提供了一些理論上的支持。具體的研究內(nèi)容以及結(jié)論歸納如下： (1)熟悉了以振動信號采集為主的柴油機(jī)故障診斷實(shí)驗(yàn)平臺，以某V12缸柴油機(jī)為研究對象，重點(diǎn)選取了四個測點(diǎn)上測取的三種轉(zhuǎn)速下包括正常狀態(tài)等四種工況下的振動信號，為研究工作提供了原始數(shù)據(jù)。 (2)通過對比分析四層小波包能量譜特征提取方法產(chǎn)生的特征值以及時域特征值對柴油機(jī)故障的敏感性，發(fā)現(xiàn)前者更適合用于柴油機(jī)的故障診斷工作。 (3)針對核主元分析不能在數(shù)據(jù)處理前刪除多余屬性和特征值的缺點(diǎn)，提出了首先可以利用粗糙集理論的約簡算法對特征值進(jìn)行篩選的思路方法，在具體實(shí)現(xiàn)的過程中，首先構(gòu)建了柴油機(jī)四個測點(diǎn)的工況信息系統(tǒng)決策表，通過分析提出了將SNS離散化算法與等頻率劃分法相結(jié)合的離散化方法，對決策表的連續(xù)屬性值進(jìn)行了離散化處理，有效地避免了SNS離散化算法斷點(diǎn)太多的缺點(diǎn)，然后利用本文歸納的基于Skowron差別矩陣的決策表屬性約簡算法對決策表進(jìn)行了約簡。 (4)歸納了基于統(tǒng)計(jì)量的核主元分析故障監(jiān)測算法，并利用核主元分析對四個測點(diǎn)的故障情況進(jìn)行了監(jiān)測，通過仿真證明該算法能夠較好地監(jiān)測柴油機(jī)有無故障發(fā)生，同時也通過對比證明了在核主元分析故障監(jiān)測之前利用粗糙集減少特征值數(shù)量的有效性。 (5)針對核主元分析不能識別故障類型的缺點(diǎn)，將核主元分析與支持向量機(jī)相結(jié)合，在盡量減少支持向量機(jī)輸入數(shù)據(jù)的基礎(chǔ)上有效地識別了柴油機(jī)的故障種類，進(jìn)一步減少了運(yùn)算量，實(shí)現(xiàn)了兩種算法的優(yōu)勢互補(bǔ)。
【關(guān)鍵詞】：柴油機(jī)故障診斷 粗糙集 核主元分析 支持向量機(jī) 小波包能量譜
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TK428;TP18
【目錄】：

• 摘要4-6
• Abstract6-12
• 第一章 緒論12-20
• 1.1 課題研究的背景及意義12-14
• 1.1.1 本課題的研究背景12-13
• 1.1.2 開展柴油機(jī)故障診斷的研究意義13-14
• 1.2 柴油機(jī)故障診斷的國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢14-16
• 1.2.1 柴油機(jī)故障診斷的研究現(xiàn)狀14-15
• 1.2.2 柴油機(jī)故障診斷技術(shù)的發(fā)展趨勢15-16
• 1.3 柴油機(jī)故障診斷的主要研究內(nèi)容與現(xiàn)階段存在的問題16-17
• 1.3.1 柴油機(jī)故障診斷技術(shù)的主要研究內(nèi)容16-17
• 1.3.2 現(xiàn)階段柴油機(jī)故障診斷技術(shù)存在的主要問題17
• 1.4 本論文的研究內(nèi)容17-20
• 第二章 柴油機(jī)典型故障的機(jī)理與振動診斷方法的研究20-31
• 2.1 柴油發(fā)動機(jī)的工作原理與工作過程20-23
• 2.1.1 柴油發(fā)動機(jī)的基本組成結(jié)構(gòu)20-22
• 2.1.2 柴油發(fā)動機(jī)的工作原理與特性22-23
• 2.2 常見的柴油機(jī)故障以及診斷方法23-24
• 2.2.1 柴油機(jī)故障的分類與表現(xiàn)形式23
• 2.2.2 柴油機(jī)故障診斷的主要方法23-24
• 2.3 基于振動信號處理的柴油機(jī)故障診斷方法24-26
• 2.3.1 柴油機(jī)振動的主要激振源與傳播途徑24-25
• 2.3.2 基于振動信號處理的故障診斷方法25-26
• 2.4 柴油機(jī)振動信號特征值提取方法的確定26-30
• 2.5 本章小結(jié)30-31
• 第三章 粗糙集理論與核主元分析法31-46
• 3.1 粗糙集理論的基本概念31-38
• 3.1.1 粗糙集理論中知識表示的相關(guān)概念31-34
• 3.1.2 基于信息系統(tǒng)決策表的粗糙集知識約簡34-35
• 3.1.3 本文采用的粗糙集決策表離散化方法的提出35-36
• 3.1.4 基于 Skowron 差別矩陣的決策表屬性約簡算法36-38
• 3.2 核主元分析法（KPCA）38-45
• 3.2.1 核主元分析法的提出背景及原理38-39
• 3.2.2 基于核主元分析法的特征提取39-42
• 3.2.3 基于核主元分析的故障診斷方法42-43
• 3.2.4 核主元分析法的建模與步驟43-45
• 3.3 本章小結(jié)45-46
• 第四章 基于粗糙集與 KPCA 的柴油機(jī)故障特征提取與監(jiān)測46-63
• 4.1 實(shí)驗(yàn)方案與步驟46-49
• 4.1.1 柴油機(jī)故障診斷實(shí)驗(yàn)平臺的設(shè)計(jì)46-47
• 4.1.2 柴油機(jī)工況分類與測點(diǎn)選取47-49
• 4.1.3 采樣頻率與轉(zhuǎn)速的設(shè)置49
• 4.1.4 實(shí)驗(yàn)步驟49
• 4.2 振動信號的特征值提取與優(yōu)化49-62
• 4.2.1 柴油機(jī)原始數(shù)據(jù)特征值的構(gòu)建50-52
• 4.2.2 粗糙集信息系統(tǒng)決策表的建立與屬性約簡52-56
• 4.2.3 基于核主元分析的故障檢測56-62
• 4.3 本章小結(jié)62-63
• 第五章 基于支持向量機(jī)的柴油機(jī)故障模式識別63-75
• 5.1 支持向量機(jī)（SVM）原理及應(yīng)用63-68
• 5.1.1 最優(yōu)分類平面與線性可分 SVM64-66
• 5.1.2 線性不可分 SVM66-68
• 5.2 基于多分類支持向量機(jī)的故障診斷方法68-69
• 5.3 基于 KPCA 與 SVM 相結(jié)合的故障分類方法69-74
• 5.3.1 故障分類方法的提出69-70
• 5.3.2 柴油機(jī)故障分類的具體實(shí)現(xiàn)70-74
• 5.4 本章小結(jié)74-75
• 第六章 總結(jié)與展望75-77
• 6.1 總結(jié)75-76
• 6.2 展望76-77
• 參考文獻(xiàn)77-81
• 攻讀碩士學(xué)位期間發(fā)表的論文81-82
• 致謝82-83

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王新峰,邱靜,劉冠軍;基于有監(jiān)督核函數(shù)主元分析的故障狀態(tài)識別[J];測試技術(shù)學(xué)報(bào);2005年02期

2 曹龍漢,曹長修,孫穎楷,景有泉,郭振;柴油機(jī)故障診斷技術(shù)的現(xiàn)狀及展望[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年06期

3 唐友懷;張海濤;羅珊;姜U，

本文編號：435203