【摘要】： 在故障診斷的實踐中人們發(fā)現(xiàn):①基于不同位置傳感器的診斷結論有時會沖突②基于不同的特征域的診斷結論有時會沖突③基于不同的診斷推理方法的診斷結論有時會沖突。這些都是由于大型設備結構復雜和運行條件多樣等所導致故障診斷過程中不確定大量引入,致使診斷的可靠性和準確性下降,難以滿足日益大型化復雜化設備的故障診斷需求。為此,研究信息融合技術在旋轉機械故障診斷中的應用,降低故障診斷的不確定性,提高設備的診斷精度顯得尤為必要。 本文主要是從理論上和實踐中探索了信息融合技術在旋轉機械振動故障診斷系統(tǒng)中的應用,將多個傳感器信號、設備多個方面故障特征信息和多種故障診斷推理方法綜合合理融合利用,最大限度降低診斷的不確定性,實現(xiàn)對設備全面與準確的診斷。其主要研究工作如下: (1)通過對信息融合技術進行研究和對故障診斷過程中的不確定性進行分析,構建起信息融合技術在故障診斷中的研究框架,并確立本文采用的信息融合診斷組建方法,保證故障診斷過程中存在的不確定性經(jīng)達融合后能夠最大限度相互削弱,從而從理論上降低融合診斷的不確定性,達到精確診斷的目的。 (2)主元分析能夠有效處理線性問題,核函數(shù)理論具有將低維非線性問題轉化為高維線性問題的特性,將主元分析和核函數(shù)理論相結合,構成了核主元分析方法,使其對非線性問題具備非常強的處理能力。將其應用于機械設備故障特征壓縮提取,經(jīng)實驗證實效果很好,從而成功解決多源信息融合診斷中信息量大且冗余的難題。 (3)歸納總結出神經(jīng)網(wǎng)絡在故障診斷中的具體應用方法,并通過實驗研究發(fā)現(xiàn),核主元分析與神經(jīng)網(wǎng)絡相結合能有效簡化網(wǎng)絡結構、緩減診斷推理的復雜度,從而提高了故障診斷的準確率。 (4)將證據(jù)理論與加權思想相結合,形成了加權證據(jù)理論。它通過對各證據(jù)進行加權組合,客觀體現(xiàn)了不同來源的證據(jù)對識別框架中各真子集的識別具有不同的可靠性和權威性這一普遍事實,有效彌補了證據(jù)理論在應用中的一大缺陷,為證據(jù)理論在融合故障診斷中的應用打下了深厚的理論基礎。 (5)為了將多個特征域的局部診斷結果進行有效的決策融合,本文依據(jù)加權證據(jù)理論,通過構建加權證據(jù)理論在故障融合診斷中的具體實施框架,并遵循第二章確立的融合診斷組建方法,提出一種基于加權證據(jù)理論的融合故障診斷方法。 最后,對韶鋼燒結廠4號風機進行實驗研究分析,先分別從頻域、時域和軸心軌跡三個特征域進行局部診斷,再將三個局部診斷的結果進行決策融合。實驗結果表明:多故障特征信息融合后的診斷結果可信度明顯增大,不確定性明顯減小,故障診斷的準確率顯著提高,充分驗證了本文所提出來的融合診斷方法的效性,并且該方法富有開放性、易實現(xiàn),具有很強的工程實際應用價值。
【學位授予單位】：中南大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：TH165.3
【圖文】：

任程度的上下限。定義4對于VAge，稱區(qū)間[Bel(A)，Pl(A)〕為A的信度區(qū)間。信度區(qū)間描述了命題的不確定性。如圖5一1所示，信度區(qū)間描述了命題的不確定性。不懷疑區(qū)間...支持區(qū)間.，.不確定區(qū)間 ... ......~~~~...... !!!!! 0BelPll圖5一1問題的不確定性表示設Bel(A)=a，Pl(A)二b，則信度區(qū)間[a，b]表示對A有一定的程度的信任，也有一定程度的不信任;[a，1]表示對A有一定程度的信任

3.5仿真分析3.5.1線性和非線性問題仿真分析為了驗證核主元分析(KPCA)方法是主元分析(PCA)方法向非線性領域的推廣，現(xiàn)采用兩組數(shù)據(jù)進行仿真分析。第一組數(shù)據(jù)是線性可分樣本數(shù)據(jù)，第二組數(shù)據(jù)是線性不可分但非線性可分樣本數(shù)據(jù)。兩組數(shù)據(jù)的分布情況如圖3一3所示，從圖中可以看出:第一組數(shù)據(jù)為二維線性可分，第二組數(shù)據(jù)為二維非線性可分。對這兩組數(shù)據(jù)分別進行PCA和KPCA分析，結果圖3一4和圖3一5所示。從圖3一4可以看出經(jīng)PCA變換后，第一組數(shù)據(jù)降維到一維(第一主元)可分，但第二組數(shù)據(jù)仍為二維非線性可分。由此驗證，PCA方法對分析線性問題有效，但對非線性問題分析很不理想。從圖3一5可以看出經(jīng)KPCA變換后，第一組和第二組數(shù)據(jù)都能降維到一維(第一主元)可分。由此驗證，KPCA方法對分析線性和非線性問題都很理想。線性可分樣本原始數(shù)據(jù)分布圖非線性可分樣本原始數(shù)據(jù)分布圖

0.40.6六第二類花·第三類花圖3一 7Iris數(shù)據(jù)KPCA分析圖對IRIS數(shù)據(jù)集進行KPCA分析，核函數(shù)選用式(3一13)的高斯核函數(shù)，a取5。各主元貢獻率如表3一2所示，第一至第三主元投影圖如圖3一7所示。從核主元投影圖上可以看出，只需要取第一和第二主元就能很好地區(qū)分樣本的類別。從主元的累計貢獻率可以看出，前2個特征值累積的貢獻率超過了75%，因此可以取前2個特征值對應的特征向量構成新的特征子空間，這樣可以用2個特征屬性取代原來的4個特征屬性

【引證文獻】

相關期刊論文 前3條

1 韓濤;胡英貝;張蕾;張文濤;徐振宇;;信息融合技術在托輥軸承故障診斷中的應用[J];軸承;2012年06期

2 梁盼盼;周虎;王慶霞;楊建國;;信息融合技術在地鐵中央空調風機故障診斷中的應用[J];城市軌道交通研究;2011年04期

3 田鶴;韓剛;;信息融合技術在帶式輸送機故障診斷中的應用[J];礦山機械;2011年03期

相關碩士學位論文 前6條

1 張祥明;基于信息融合的礦井提升機健康診斷研究[D];河南理工大學;2010年

2 田鶴;長距離帶式輸送機實時監(jiān)控及故障診斷系統(tǒng)研究[D];太原科技大學;2011年

3 韓慧勇;基于多源信息融合的柴油機故障診斷研究[D];中北大學;2012年

4 李鑫;旋轉機械故障診斷實驗專家系統(tǒng)[D];北方工業(yè)大學;2009年

5 嚴莉;基于多源信息融合的發(fā)動機故障診斷研究[D];中北大學;2010年

6 陳瑩瑩;基于信息融合的風力發(fā)電機組故障診斷方法[D];華東理工大學;2013年

本文編號：2807163