發(fā)布時(shí)間：2019-11-18 22:14

【摘要】：轉(zhuǎn)子系統(tǒng)是旋轉(zhuǎn)機(jī)械的核心部件,因此對(duì)其運(yùn)行狀況實(shí)施智能故障診斷決策意義重大。粒子群算法、雜草算法與人工神經(jīng)網(wǎng)絡(luò)是三種典型的智能算法。本研究針對(duì)轉(zhuǎn)子振動(dòng)信號(hào)具有準(zhǔn)周期性,而有效信號(hào)易被噪聲嚴(yán)重干擾的特點(diǎn),以及針對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行故障模式辨識(shí)時(shí)網(wǎng)絡(luò)結(jié)構(gòu)冗余、訓(xùn)練易陷入局部極小等具體困難,在對(duì)國(guó)內(nèi)外故障診斷研究現(xiàn)狀進(jìn)行分析和總結(jié)的基礎(chǔ)上,利用智能優(yōu)化算法對(duì)轉(zhuǎn)子振動(dòng)信號(hào)智能消噪濾波與智能模式識(shí)別問(wèn)題進(jìn)行了研究。所開(kāi)展的具體研究工作情況和得到的結(jié)論如下： 1)針對(duì)轉(zhuǎn)子系統(tǒng)故障信號(hào)中背景噪聲帶寬較大且與有效信號(hào)頻帶產(chǎn)生重合的現(xiàn)象,聯(lián)合譜減法、最小均方算法及粒子群優(yōu)化方法,提出一種PSO (Particle Swarm Optimization)-SSLMS (Spectral Subtraction; Least Mean Square)轉(zhuǎn)子故障信號(hào)消噪方法。該方法具備參數(shù)少、易于控制,收斂速度快,可有效避免LMS對(duì)寬頻信號(hào)的不穩(wěn)定性的特點(diǎn)。對(duì)模擬信號(hào)處理的結(jié)果顯示,該混合算法組織合理,性能優(yōu)越,用于實(shí)驗(yàn)轉(zhuǎn)子故障信號(hào)消噪濾波,也能夠獲得有效的轉(zhuǎn)子本真準(zhǔn)周期性諧波信號(hào),PSO-SSLMS更適合用于轉(zhuǎn)子故障信號(hào)處理。 2)用一個(gè)工程優(yōu)化實(shí)例驗(yàn)證了經(jīng)典IWO(Invasive Weed Optimization)搜索性能之后,對(duì)IWO做出了適用于神經(jīng)網(wǎng)絡(luò)優(yōu)化的改進(jìn)。提出的新算法將多種結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)權(quán)值閾值編碼為不同維度的雜草種子,實(shí)現(xiàn)了神經(jīng)網(wǎng)絡(luò)權(quán)值閾值與結(jié)構(gòu)的同時(shí)優(yōu)化。將該方法應(yīng)用于轉(zhuǎn)子系統(tǒng)故障分類(lèi)問(wèn)題,實(shí)驗(yàn)結(jié)果表明該方法可以在結(jié)合BP算法優(yōu)勢(shì)的同時(shí)還能夠有效優(yōu)化神經(jīng)網(wǎng)絡(luò)各參數(shù)。由此,得到一種分類(lèi)精度高、結(jié)構(gòu)最簡(jiǎn)并且泛化能力強(qiáng)的神經(jīng)網(wǎng)絡(luò)故障分類(lèi)器。 3)將上述算法嵌入C#語(yǔ)言編寫(xiě)的轉(zhuǎn)子故障智能診斷系統(tǒng),進(jìn)行振動(dòng)信號(hào)的實(shí)時(shí)顯示、濾波、模式識(shí)別工作,該系統(tǒng)具有一定工程應(yīng)用價(jià)值。 智能優(yōu)化技術(shù)在故障診斷領(lǐng)域帶來(lái)了研究熱潮,在混合智能算法的通用性方面值得進(jìn)一步深入地研究。
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH165.3;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔣建東,蔡澤祥;鼠籠型異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷新方法[J];繼電器;2004年07期

2 魏云冰;李留杰;;基于定子電流的異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷方法綜述[J];水利電力機(jī)械;2007年12期

3 張會(huì)福;狄雪蘭;文宏;陳安華;;基于本體的轉(zhuǎn)子故障知識(shí)建模研究[J];中國(guó)機(jī)械工程;2011年21期

4 孫福才;張春妍;;三相籠型異步電動(dòng)機(jī)轉(zhuǎn)子故障及診斷[J];黑龍江冶金;2010年04期

5 蔣建東,蔡澤祥;用Park變換方法檢測(cè)感應(yīng)電動(dòng)機(jī)轉(zhuǎn)子故障[J];電力自動(dòng)化設(shè)備;2004年05期

6 陳衛(wèi)文;方瑞明;;異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷方法[J];防爆電機(jī);2006年06期

7 方瑞明;馬宏忠;;基于最小二乘支持矢量機(jī)的異步電機(jī)轉(zhuǎn)子故障診斷研究[J];電工技術(shù)學(xué)報(bào);2006年05期

8 陽(yáng)桂蓉;王冰峰;;異步電機(jī)運(yùn)行過(guò)程中轉(zhuǎn)子故障診斷綜述[J];大電機(jī)技術(shù);2011年04期

9 夏虹,劉群,張志華;基于范例推理的機(jī)械故障診斷方法與系統(tǒng)[J];哈爾濱工程大學(xué)學(xué)報(bào);1999年05期

10 張磊;張春妍;張進(jìn)興;;籠型異步電機(jī)轉(zhuǎn)子故障檢測(cè)及診斷方法[J];電站系統(tǒng)工程;2009年02期

相關(guān)會(huì)議論文 前1條

1 王冉;陳進(jìn);;支持向量機(jī)決策樹(shù)分類(lèi)器在轉(zhuǎn)子故障診斷中的應(yīng)用[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前1條

1 魏云冰;小波變換在電機(jī)故障診斷與測(cè)試中的應(yīng)用研究[D];浙江大學(xué);2002年

相關(guān)碩士學(xué)位論文 前10條

1 賀穎;鼠籠異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷的研究[D];太原理工大學(xué);2013年

2 陽(yáng)桂蓉;基于定子電流幅值校正頻譜細(xì)化的電機(jī)轉(zhuǎn)子故障診斷研究[D];電子科技大學(xué);2011年

3 孟昭燃;智能優(yōu)化算法在轉(zhuǎn)子故障診斷中的應(yīng)用方法研究[D];蘭州理工大學(xué);2014年

4 石超;基于頻域RELAX方法的鼠籠式異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷[D];武漢科技大學(xué);2011年

5 李光榮;基于小波分析的感應(yīng)電機(jī)轉(zhuǎn)子故障診斷研究[D];東北大學(xué);2010年

6 洪杰;電機(jī)綜合保護(hù)及轉(zhuǎn)子故障診斷的研究[D];合肥工業(yè)大學(xué);2009年

7 于昊;基于LMD和HMM的轉(zhuǎn)子故障診斷方法[D];蘭州理工大學(xué);2012年

8 許悅;基于混沌吸引子不變量信息熵特征的轉(zhuǎn)子故障診斷方法研究[D];蘭州理工大學(xué);2012年

9 郎許飛;基于粗糙集與支持向量機(jī)的異步電動(dòng)機(jī)轉(zhuǎn)子故障診斷的研究[D];東北林業(yè)大學(xué);2013年

10 黃顯華;轉(zhuǎn)子振動(dòng)信號(hào)特征數(shù)據(jù)庫(kù)架構(gòu)方法研究[D];蘭州理工大學(xué);2011年

，

本文編號(hào)：2562779