本文關(guān)鍵詞：基于流形學(xué)習(xí)算法的滾動(dòng)軸承故障識(shí)別研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：針對(duì)現(xiàn)代復(fù)雜機(jī)械設(shè)備在出現(xiàn)故障時(shí)所檢測(cè)到的振動(dòng)信號(hào)具有明顯非線性和非平穩(wěn)的特性,本文以滾動(dòng)軸承為研究對(duì)象,將流形學(xué)習(xí)方法中聚類性效果較好的拉普拉斯特征映射算法(Laplacian Eigenmap, LE)引入到滾動(dòng)軸承故障診斷領(lǐng)域,對(duì)傳感器所采集到的振動(dòng)加速度信號(hào)作為滾動(dòng)軸承狀態(tài)識(shí)別的依據(jù),進(jìn)行降噪、特征提取、構(gòu)建高維特征空間以及狀態(tài)識(shí)別。從高維數(shù)據(jù)點(diǎn)特征保持的角度不同進(jìn)行研究,把目前的主要流形學(xué)習(xí)方法分為局部和全局特性保持方法兩類,通過對(duì)經(jīng)典非線性高維卷曲數(shù)據(jù)集Swiss Roll和帶有“空洞”缺陷的Swiss Hole進(jìn)行研究,不同的保持方法得到不同的降維結(jié)果,從二維圖結(jié)果分析中可發(fā)現(xiàn)：重點(diǎn)強(qiáng)調(diào)保持近鄰關(guān)系的拉普拉斯特征映射LE算法對(duì)于同類樣本具有非常好的聚類效果,非常適用于故障樣本的分類識(shí)別。把仿真滾動(dòng)軸承故障的非線性信號(hào)提取和轉(zhuǎn)換得到的時(shí)域特征量與經(jīng)小波包分解得到的頻帶能量比作為特征量構(gòu)建出高維特征空間,利用LE算法的對(duì)高維特征空間中同類樣本聚類的優(yōu)點(diǎn),對(duì)正常與故障兩類樣本進(jìn)行分類識(shí)別,通過與主元分析法PCA和多維尺度分析MDS兩種方法對(duì)比,結(jié)果表明LE方法在實(shí)現(xiàn)特征提取和降維結(jié)果進(jìn)行樣本分類具有一定的有效性和優(yōu)越性。為了更進(jìn)一步證明LE算法在滾動(dòng)軸承故障識(shí)別中的有效性,通過對(duì)滾動(dòng)軸承的四種不同故障類型、滾動(dòng)體上四種不同受損程度狀況下的故障實(shí)測(cè)數(shù)據(jù),進(jìn)行兩組故障樣本分類識(shí)別實(shí)驗(yàn)驗(yàn)證。對(duì)提取出來的低維結(jié)果使用三維可視化的方式直觀地表示,并使用模式聚類識(shí)別中的類內(nèi)聚Sw、類間距Sb以及不同樣本平均識(shí)別率共三個(gè)參數(shù)作為評(píng)價(jià)指標(biāo),通過與PCA和MDS兩種方法得到的結(jié)果比較,證明LE降維結(jié)果具有聚類性好、類間距小以及樣本識(shí)別率高等優(yōu)點(diǎn),可以有效地應(yīng)用于滾動(dòng)軸承故障識(shí)別中。為了進(jìn)一步證明LE方法的應(yīng)用適用性,使用第一組滾動(dòng)軸承不同故障位置類型識(shí)別實(shí)驗(yàn)中的樣本作為訓(xùn)練樣本,再選取兩類狀態(tài)樣本各50組作為測(cè)試樣本,進(jìn)行驗(yàn)證,實(shí)現(xiàn)了較好的預(yù)期效果,同類故障的測(cè)試樣本很好的聚集在了同類樣本的訓(xùn)練樣本處,而新樣本則單獨(dú)聚集于一處新的位置。
【關(guān)鍵詞】：滾動(dòng)軸承 故障診斷 信號(hào)處理與特征提取 構(gòu)建高維特征空間 流形學(xué)習(xí) 拉普拉斯特征映射
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH133.33
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 緒論9-21
• 1.1 研究背景及意義9-12
• 1.2 機(jī)械故障診斷國(guó)內(nèi)外研究現(xiàn)狀12-15
• 1.3 非線性降維方法在故障診斷中的研究現(xiàn)狀15-16
• 1.4 本文主要內(nèi)容與結(jié)構(gòu)安排16-18
• 1.5 本文主要?jiǎng)?chuàng)新點(diǎn)18-21
• 第二章 滾動(dòng)軸承分析與實(shí)驗(yàn)設(shè)計(jì)21-37
• 2.1 引言21-22
• 2.2 研究對(duì)象分析22-30
• 2.2.1 滾動(dòng)軸承動(dòng)力學(xué)分析22-25
• 2.2.2 滾動(dòng)軸承的主要失效形式25-27
• 2.2.3 滾動(dòng)軸承振動(dòng)特征頻率27-29
• 2.2.4 實(shí)驗(yàn)對(duì)象與方案設(shè)計(jì)29-30
• 2.3 振動(dòng)信號(hào)分析30-35
• 2.3.1 小波包降噪31-32
• 2.3.2 特征提取和構(gòu)建特征空間32-35
• 2.4 本章小結(jié)35-37
• 第三章 傳統(tǒng)降維方法37-43
• 3.1 概述37-38
• 3.2 主元分析法PCA38-40
• 3.3 線性鑒別分析方法LDA40
• 3.4 多維尺度分析MDS40-42
• 3.5 本章小結(jié)42-43
• 第四章 流形學(xué)習(xí)方法43-61
• 4.1 引言43-44
• 4.2 流形學(xué)習(xí)44-46
• 4.2.1 流形的概念44-45
• 4.2.2 流形學(xué)習(xí)描述45-46
• 4.3 流形學(xué)習(xí)方法分類與介紹46-55
• 4.3.1 全局特性保持方法47-49
• 4.3.2 局部特性保持方法49-53
• 4.3.3 流形學(xué)習(xí)方法的案例分析53-55
• 4.4 流形學(xué)習(xí)的主要應(yīng)用55-57
• 4.5 流形學(xué)習(xí)在機(jī)械故障診斷中應(yīng)用57-58
• 4.6 本章小結(jié)58-61
• 第五章 基于LE算法的滾動(dòng)軸承故障識(shí)別61-81
• 5.1 高維流形案例分析62-64
• 5.2 滾動(dòng)軸承仿真信號(hào)分析64-67
• 5.3 基于LE算法的滾動(dòng)軸承故障識(shí)別67-77
• 5.3.1 滾動(dòng)軸承故障類型識(shí)別68-73
• 5.3.2 滾動(dòng)軸承滾動(dòng)體故障不同受損情況故障識(shí)別73-77
• 5.4 測(cè)試樣本進(jìn)行驗(yàn)證77-78
• 5.5 本章小結(jié)78-81
• 第六章 總結(jié)與展望81-83
• 6.1 全文總結(jié)81-82
• 6.2 展望82-83
• 參考文獻(xiàn)83-89
• 致謝89-91
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文及項(xiàng)目支持91

【引證文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 蔣全勝;賈民平;胡建中;許飛云;;一種基于流形學(xué)習(xí)的故障模式識(shí)別方法[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

  本文關(guān)鍵詞：基于流形學(xué)習(xí)算法的滾動(dòng)軸承故障識(shí)別研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：313368