發(fā)布時間：2020-09-29 16:58

　　 Hilbert-Huang變換作為一種新的信號處理方法,可以有效的來提取信號特征信息,在旋轉(zhuǎn)機械故障診斷方面有著廣泛的應用前景。 本文針對EMD所存在的端點問題進行了研究。根據(jù)信號兩端的波形特征不可能是孤立存在的特點,充分考慮信號自身的變化趨勢,提出了半波均值波形延拓方法。同時,針對暫態(tài)過程較短,故障瞬間發(fā)生,可獲得數(shù)據(jù)較少的情況,本文介紹了一種基于LS-SVM回歸的端點延拓方法。 端點效應問題得到解決之后,利用Hilbert-Huang變換來對旋轉(zhuǎn)機械故障特征信息進行提取,從而對故障類型進行分類和監(jiān)測。對故障數(shù)據(jù)進行EMD分解之后,首先考慮采用基于能量的故障特征提取,把各個IMF分量的能量作為特征向量,并通過LS-SVM分類器來對故障類型進行分類。然而當IMF分量較多的情況下就會產(chǎn)生較多的特征向量,那么就會在分類時占用較多的時間不利于實現(xiàn)故障診斷的實時性,為此本文提出了基于差異度的信息分離方法。利用該方法來篩選出故障信息較為集中的IMF分量,然后再進行故障分類。本文的最后介紹了基于固有模態(tài)函數(shù)包絡譜的故障特征提取方法。并通過該方法對來自旋轉(zhuǎn)機械四種情況下的運行狀態(tài)的實測信號進行分析研究,并準確的提取出了故障特征信息,精準的反映出了旋轉(zhuǎn)機械的運行狀態(tài)。 本文研究結(jié)果表明,基于Hilbert-Huang變換和LS-SVM的旋轉(zhuǎn)機械故障診斷方法能對旋轉(zhuǎn)機械系統(tǒng)的運行狀況做出良好的評定,準確判定故障類型,值得推廣應用。
【學位單位】：昆明理工大學
【學位級別】：碩士
【學位年份】：2012
【中圖分類】：TN911.7;TH165.3
【文章目錄】：
摘要
ABSTRACT
符號說明
第一章 緒論
    1.1 選題的背景、目的及其意義
    1.2 國內(nèi)外相關(guān)技術(shù)發(fā)展現(xiàn)狀及發(fā)展趨勢
        1.2.1 國外相關(guān)技術(shù)的發(fā)展狀況
        1.2.2 國內(nèi)相關(guān)技術(shù)的發(fā)展狀況
        1.2.3 國內(nèi)外相關(guān)技術(shù)的發(fā)展趨勢
    1.3 本文主要研究內(nèi)容
        1.3.1 論文的結(jié)構(gòu)安排
第二章 Hilbert-Huang變換
    2.1 EMD方法
        2.1.1 概述
        2.1.2 固有模態(tài)函數(shù)
        2.1.3 EMD方法的篩分過程
    2.2 Hilbert譜
    2.3 EMD方法在實際信號分析中的應用
    2.4 本章小結(jié)
第三章 最小二乘支持向量機分類與回歸
    3.1 概述
    3.2 支持向量機的基礎
        3.2.1 機器學習
        3.2.2 經(jīng)驗風險最小化
        3.2.3 統(tǒng)計學習理論
    3.3 支持向量機分類
    3.4 支持向量機回歸
    3.5 最小二乘支持向量機
    3.6 本章小結(jié)
第四章 Hilbert-Huang變換端點效應的抑制方法
    4.1 概述
    4.2 半波均值波形延拓法
        4.2.1 波形差異度的計算
        4.2.2 半波均值波形延拓方法
        4.2.3 半波均值延拓在端點效應問題處理中的應用
    4.3 基于LS-SVM回歸的端點效應的抑制
        4.3.1 LS-SVM延拓原理
        4.3.2 LS-SVM延拓在端點效應問題處理中的應用
    4.4 本章小結(jié)
第五章 基于EMD的機械故障特征提取
    5.1 概述
    5.2 基于能量的故障特征提取
        5.2.1 分類器的設計
        5.2.2 基于能量的信號特征提取方法在旋轉(zhuǎn)機械故障診斷中的應用
    5.3 基于差異度的信息分離方法
        5.3.1 差異度模型的設計
        5.3.2 基于差異度的信息分離方法在旋轉(zhuǎn)機械故障診斷中的應用
    5.4 基于固有模態(tài)函數(shù)包絡譜的旋轉(zhuǎn)機械故障診斷
        5.4.1 基于固有模態(tài)函數(shù)包絡譜的旋轉(zhuǎn)機械故障診斷步驟
        5.4.2 實測信號分析
    5.5 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文工作總結(jié)
    6.2 研究展望
致謝
參考文獻
附錄

【參考文獻】

相關(guān)期刊論文 前10條

1 李雪耀;黃永平;張汝波;;一種基于支持向量回歸機的經(jīng)驗模態(tài)分解方法[J];哈爾濱工程大學學報;2007年07期

2 王婷;楊莘元;李冰冰;;一種改善EMD端點效應的新方法[J];哈爾濱理工大學學報;2009年05期

3 李穎新,阮曉鋼;基于支持向量機的腫瘤分類特征基因選取[J];計算機研究與發(fā)展;2005年10期

4 劉慧婷,張e

本文編號：2830004