本文關(guān)鍵詞：滾動軸承故障診斷中的特征提取與選擇方法　出處：《湖南工業(yè)大學(xué)》2011年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 特征提取 特征選擇 混合域特征集 故障 滾動軸承

【摘要】：軸承故障診斷的實質(zhì)是模式識別,包括信號采集、特征提取與選擇和狀態(tài)識別,其中特征提取與選擇尤為重要,其效果的好壞直接影響到了模式識別的成敗。 滾動軸承運行時產(chǎn)生的振動信號是復(fù)雜的非平穩(wěn)、非線性信號,如何從振動信號中提取出全面準(zhǔn)確反映軸承運行狀態(tài)的故障特征至關(guān)重要。為有效利用時域、頻域、時-頻域中各類具有顯著類別差異信息的非平穩(wěn)統(tǒng)計特征,提出一種新的混合域特征集的構(gòu)建方法,使得混合域特征集比單個特征或單域特征更能全面準(zhǔn)確反映軸承運行狀態(tài)特性。 針對混合域特征集存在維數(shù)過高、特征之間相關(guān)嚴(yán)重的問題,分別利用主元分析和核主元分析對混合域特征集進(jìn)行二次特征提取,與主元分析相比核主元分析在降維降噪的同時可充分提取故障信息中的非線性成分;針對核主元分析在提取特征時沒有充分考慮類別信息的不足,提出了基于核費舍爾判別分析的軸承故障混合域特征二次提取方法,提高了適于模式識別的可分性。 為了削弱特征選擇方法中傳統(tǒng)的閾值確定所存在的盲目性對特征選擇效果的影響,提出基于距離特征評價與支持向量機的軸承故障特征選擇方法以及基于F-score特征評價與支持向量機的軸承故障特征選擇新方法。以支持向量機分類正確率為依據(jù),實現(xiàn)閾值的智能選取和故障特征的有效選擇,從軸承故障混合域特征集中直接選擇出包含顯著類別差異信息且數(shù)目較少的敏感特征。 實驗仿真結(jié)果證明了本文所提方法可以準(zhǔn)確有效地識別不同運行條件下滾動軸承不同類型、不同程度的故障狀況。
【學(xué)位授予單位】：湖南工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王國鋒,王子良,秦旭達(dá),王太勇;基于小波包和徑向基神經(jīng)網(wǎng)絡(luò)軸承故障診斷[J];北京科技大學(xué)學(xué)報;2004年02期

2 李兵;張培林;任國全;劉東升;米雙山;;基于互信息的滾動軸承故障特征選擇方法[J];測試技術(shù)學(xué)報;2009年02期

3 李志農(nóng);王心怡;張新廣;;基于核函數(shù)主元分析的滾動軸承故障模式識別方法[J];軸承;2008年06期

4 馬家駒，梁文梅;滾動軸承振動統(tǒng)計特性分析[J];軸承;1994年01期

5 李健寶;彭濤;;基于AR模型和KFDA的滾動軸承故障診斷[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2009年S1期

6 謝娟英;王春霞;蔣帥;張琰;;基于改進(jìn)的F-score與支持向量機的特征選擇方法[J];計算機應(yīng)用;2010年04期

7 傅勤毅,章易程,應(yīng)力軍,李國順;滾動軸承故障特征的小波提取方法[J];機械工程學(xué)報;2001年02期

8 雷亞國;何正嘉;訾艷陽;;基于混合智能新模型的故障診斷[J];機械工程學(xué)報;2008年07期

9 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

10 張軍;陸森林;和衛(wèi)星;王以順;李天博;;基于小波包能量法的滾動軸承故障診斷[J];農(nóng)業(yè)機械學(xué)報;2007年10期

相關(guān)博士學(xué)位論文 前1條

1 李萌;旋轉(zhuǎn)機械軸承故障的特征提取與模式識別方法研究[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 前2條

1 葉q阽，

本文編號：1336705