本文關(guān)鍵詞： 流形學(xué)習(xí) 特征提取 降噪 故障診斷 模式識(shí)別　出處：《華南理工大學(xué)》2014年博士論文　論文類(lèi)型：學(xué)位論文

【摘要】：機(jī)械裝備是一個(gè)復(fù)雜的非線性系統(tǒng)，由于振動(dòng)信號(hào)包含著描述系統(tǒng)運(yùn)行狀態(tài)的豐富信息，振動(dòng)信號(hào)分析是目前常用的機(jī)械系統(tǒng)故障診斷方法之一。一般通過(guò)在機(jī)械構(gòu)件的關(guān)鍵部位測(cè)取振動(dòng)信號(hào)，通過(guò)信號(hào)處理獲得表征機(jī)械運(yùn)行狀態(tài)的特征指標(biāo)，常用的信號(hào)處理方法有時(shí)域分析、頻域分析及時(shí)頻分析。但是實(shí)際測(cè)得的信號(hào)往往存在著非線性、非高斯分布的特點(diǎn)，加上故障形態(tài)的多變性，使得傳統(tǒng)的信號(hào)處理方法在復(fù)雜系統(tǒng)故障診斷中存在著一定的局限性，有必要探索用于復(fù)雜非線性系統(tǒng)的故障診斷新方法，以防范于未然，減少損失。 流形學(xué)習(xí)算法是近年來(lái)模式識(shí)別領(lǐng)域的研究熱點(diǎn)之一，其本質(zhì)在于通過(guò)一定的非線性映射將高維空間的數(shù)據(jù)結(jié)構(gòu)在低維空間中進(jìn)行表示，同時(shí)最大程度的保留高維空間數(shù)據(jù)的有用信息。因此，可以利用流形學(xué)習(xí)的優(yōu)點(diǎn)，用以處理從時(shí)域、頻域以及時(shí)頻域中提取的多維信號(hào)特征或者處理由多個(gè)傳感器獲取的多源信號(hào)，實(shí)現(xiàn)機(jī)械運(yùn)行狀態(tài)的識(shí)別。然而，研究中發(fā)現(xiàn)存在以下問(wèn)題：(1)噪聲直接影響著流形學(xué)習(xí)算法的穩(wěn)健性；(2)參數(shù)選擇影響了算法的特征提取效果；(3)某些算法對(duì)高維數(shù)據(jù)結(jié)構(gòu)信息保持不完整等。為此，本文從流形學(xué)習(xí)算法的基礎(chǔ)理論出發(fā)，研究算法在機(jī)械系統(tǒng)狀態(tài)識(shí)別、趨勢(shì)分析中的噪聲敏感性以及參數(shù)選擇等問(wèn)題，具體工作如下： (1)傳統(tǒng)時(shí)域降噪方法需要消耗大量的計(jì)算時(shí)間及存儲(chǔ)空間，不利于實(shí)現(xiàn)機(jī)械系統(tǒng)在線診斷。提出直接對(duì)特征樣本空間進(jìn)行降噪的方法，理論分析了進(jìn)行特征空間降噪的可行性，試驗(yàn)結(jié)果表明所提方法可有效的降低計(jì)算時(shí)間，且明顯提高機(jī)械運(yùn)行狀態(tài)識(shí)別及聚類(lèi)精度，提高流形學(xué)習(xí)算法在機(jī)械故障診斷的適用性； (2)針對(duì)局部線性嵌入算法LLE(Local Linear Embedding)中近鄰點(diǎn)數(shù)選擇對(duì)降維效果影響非常敏感的問(wèn)題，通過(guò)分析得出不同樣本的最優(yōu)近鄰點(diǎn)數(shù)應(yīng)該不相等的結(jié)論，進(jìn)而提出了可變近鄰的LLE算法，提高了算法的聚類(lèi)效果。將LLE算法的泛化形式： NPE(Neighborhood Preserving Embedding)算法與自組織映射SOM(Self-Organizing Map)結(jié)合，實(shí)現(xiàn)軸承退化過(guò)程的狀態(tài)識(shí)別； (3)針對(duì)局部保持投影LPP(Locality Preserving Projection)算法只考慮樣本鄰域信息而忽略距離較遠(yuǎn)樣本信息的問(wèn)題，提出同時(shí)考慮樣本近鄰信息及最遠(yuǎn)樣本信息的保持投影算法：NFDPP(Nearest-Farthest Distantce Preserving Projection)，更好的保留數(shù)據(jù)結(jié)構(gòu)的有效信息。發(fā)動(dòng)機(jī)失火實(shí)驗(yàn)及軸承障實(shí)驗(yàn)結(jié)果表明，，所提算法可有效提高機(jī)械運(yùn)行狀態(tài)的識(shí)別正確率； (4)針對(duì)譜回歸算法SR(Spectral Regression)未綜合考慮樣本局部及全局信息的問(wèn)題，提出了同時(shí)考慮局部結(jié)構(gòu)和全局?jǐn)?shù)據(jù)結(jié)構(gòu)的譜回歸分析算法(Local and GlobalSpectral Regression, LGSR)。發(fā)動(dòng)機(jī)實(shí)驗(yàn)及變速器故障實(shí)驗(yàn)表明，改進(jìn)的譜回歸算法能夠獲得更高的識(shí)別精度和聚類(lèi)效果； (5)針對(duì)多傳感器測(cè)量系統(tǒng)，在前述研究基礎(chǔ)上分別提出多維度的NFDPP(Multi-NFDPP)與多維度LGSR算法(Multi-LGSR)。將算法分別應(yīng)用于多傳感器監(jiān)測(cè)系統(tǒng)的齒輪故障檢測(cè)及軸承退化過(guò)程的在線監(jiān)測(cè)，結(jié)果表明，這些方法能夠有效的預(yù)測(cè)故障的發(fā)生并確定故障出現(xiàn)的部位。
[Abstract]:......
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH165.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 潘旭峰,李曉雷,耿立恩;汽車(chē)傳動(dòng)系統(tǒng)機(jī)械故障診斷方法的研究[J];汽車(chē)工程;1998年03期

2 袁遠(yuǎn),季星來(lái),孫之榮,李衍達(dá);Isomap在基因表達(dá)譜數(shù)據(jù)聚類(lèi)分析中的應(yīng)用[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年09期

3 文貴華;江麗君;文軍;;鄰域參數(shù)動(dòng)態(tài)變化的局部線性嵌入[J];軟件學(xué)報(bào);2008年07期

4 張妮;田學(xué)民;;基于等距離映射的非線性動(dòng)態(tài)故障檢測(cè)方法[J];上海交通大學(xué)學(xué)報(bào);2011年08期

5 張周鎖;閆曉旭;成瑋;;粒計(jì)算及其在機(jī)械故障智能診斷中的應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2009年09期

6 梁霖;徐光華;栗茂林;張熠卓;梁小影;;沖擊故障特征提取的非線性流形學(xué)習(xí)方法[J];西安交通大學(xué)學(xué)報(bào);2009年11期

7 栗茂林;王孫安;梁霖;;利用非線性流形學(xué)習(xí)的軸承早期故障特征提取方法[J];西安交通大學(xué)學(xué)報(bào);2010年05期

8 張熠卓;徐光華;梁霖;張鋒;李淑智;;利用增量式非線性流形學(xué)習(xí)的狀態(tài)監(jiān)測(cè)方法[J];西安交通大學(xué)學(xué)報(bào);2011年01期

9 蔣全勝;賈民平;胡建中;許飛云;;基于拉普拉斯特征映射的故障模式識(shí)別方法[J];系統(tǒng)仿真學(xué)報(bào);2008年20期

10 李學(xué)軍;楊大煉;郭燈塔;蔣玲莉;;基于基座多傳感核主元分析的故障診斷[J];儀器儀表學(xué)報(bào);2011年07期

相關(guān)博士學(xué)位論文 前3條

1 林慧斌;離散頻譜校正理論的抗噪性能研究及其在工程中的應(yīng)用[D];華南理工大學(xué);2010年

2 王廣斌;基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];中南大學(xué);2010年

3 王雷;基于流形學(xué)習(xí)的滾動(dòng)軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

本文編號(hào)：1467803