本文關(guān)鍵詞：基于VPMCD的旋轉(zhuǎn)機(jī)械故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：旋轉(zhuǎn)機(jī)械是最常見的工業(yè)用生產(chǎn)機(jī)械，由于工作現(xiàn)場條件惡劣，振動比較強(qiáng)烈，噪聲較大，所以很容易發(fā)生故障。當(dāng)其出現(xiàn)故障時容易導(dǎo)致整個旋轉(zhuǎn)機(jī)械設(shè)備不能正常運(yùn)行，甚至引發(fā)整個生產(chǎn)鏈的癱瘓，造成巨大的經(jīng)濟(jì)損失，因此對其運(yùn)行狀況進(jìn)行監(jiān)測和診斷具有十分重要的意義和價(jià)值。 旋轉(zhuǎn)機(jī)械故障診斷本質(zhì)上是一個模式識別的過程。在模式識別方法中，基于變量預(yù)測模型的模式識別（Variable predictive model based class discriminate，VPMCD）是一種新的模式識別方法，該方法利用特征值參數(shù)之間存在相互內(nèi)在關(guān)系建立變量預(yù)測模型，再通過預(yù)測模型對待測數(shù)據(jù)進(jìn)行模式識別與分類。在旋轉(zhuǎn)機(jī)械故障診斷中，通過特征提取獲得的特征參數(shù)之間往往存在著一定的內(nèi)在變量關(guān)系，而這種關(guān)系在不同的系統(tǒng)或類別之間具有不同的特點(diǎn)，因此，，可以將VPMCD應(yīng)用于旋轉(zhuǎn)機(jī)械故障模式識別中。 基于此，本文提出了基于VPMCD的旋轉(zhuǎn)機(jī)械故障診斷方法。本文的主要研究內(nèi)容如下： 1、研究了VPMCD算法的基本理論，對其理論進(jìn)行了闡述，并采用標(biāo)準(zhǔn)驗(yàn)證數(shù)據(jù)將VPMCD方法與神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等模式識別方法進(jìn)行對比分析，結(jié)果表明了VPMCD方法在模式識別中的適用性和有效性。 2、研究了VPMCD方法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用。針對齒輪、滾動軸承和轉(zhuǎn)子機(jī)械零部件，引入樣本熵、排列熵、獨(dú)立分量分析（Independent componentanalysis，ICA）和相關(guān)系數(shù)法，分別提出了基于樣本熵和VPMCD的旋轉(zhuǎn)機(jī)械故障診斷方法、基于排列熵和VPMCD的滾動軸承故障診斷方法、基于ICA相關(guān)系數(shù)和VPMCD的滾動軸承故障診斷方法。通過對不同工作狀態(tài)和故障類型下的旋轉(zhuǎn)機(jī)械振動信號進(jìn)行分析，結(jié)果表明了VPMCD方法可以有效地應(yīng)用于旋轉(zhuǎn)機(jī)械故障診斷。 3、在VPMCD方法中，采用預(yù)測誤差平方和值最小為判別函數(shù)對測試樣本進(jìn)行分類，因此該方法不僅可以應(yīng)用于多種樣本的模式識別，而且還可以應(yīng)用于只有單種樣本的模式識別。針對在旋轉(zhuǎn)機(jī)械故障診斷中面臨著故障樣本缺乏或稀少的問題，提出了基于VPMCD的新異類檢測方法—單類基于變量預(yù)測模型的模式識別（One-class variable predictive model based class discriminate，OC-VPMCD）方法。該方法通過比較測試樣本的預(yù)測誤差平方和與設(shè)定的預(yù)測誤差平方和閾值來對測試樣本進(jìn)行分類。通過實(shí)驗(yàn)數(shù)據(jù)進(jìn)行對比驗(yàn)證，結(jié)果表明了OC-VPMCD方法可以有效地應(yīng)用于只有單種樣本情況的旋轉(zhuǎn)機(jī)械診斷。
【關(guān)鍵詞】：旋轉(zhuǎn)機(jī)械 故障診斷 基于變量預(yù)測模型的模式識別 樣本熵 排列熵 獨(dú)立分量分析 OC-VPMCD
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要5-7
• Abstract7-11
• 插圖索引11-12
• 附表索引12-13
• 第1章 緒論13-19
• 1.1 課題背景和意義13-14
• 1.2 模式識別方法在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用現(xiàn)狀與趨勢14-16
• 1.3 論文的研究思路及章節(jié)安排16-19
• 1.3.1 論文的研究思路16-18
• 1.3.2 論文的章節(jié)安排18-19
• 第2章 旋轉(zhuǎn)機(jī)械故障機(jī)理及監(jiān)測診斷技術(shù)19-37
• 2.1 旋轉(zhuǎn)機(jī)械常見故障及特征19-31
• 2.1.1 齒輪故障及特征19-24
• 2.1.2 滾動軸承故障及特征24-28
• 2.1.3 轉(zhuǎn)子故障及特征28-31
• 2.2 旋轉(zhuǎn)機(jī)械故障診斷方法31-36
• 2.2.1 旋轉(zhuǎn)機(jī)械振動信號處理方法31-34
• 2.2.2 旋轉(zhuǎn)機(jī)械故障模式識別方法34-36
• 2.3 本章小結(jié)36-37
• 第3章 基于多變量預(yù)測模型的模式識別方法37-42
• 3.1 變量預(yù)測模型37-38
• 3.2 基于多變量預(yù)測模型的模式識別方法原理38-39
• 3.3 與其它模式識別方法的對比分析39-41
• 3.4 本章小結(jié)41-42
• 第4章 基于樣本熵和 VPMCD 的旋轉(zhuǎn)機(jī)械故障診斷方法42-50
• 4.1 樣本熵算法及性質(zhì)42-43
• 4.2 基于樣本熵和 VPMCD 的旋轉(zhuǎn)機(jī)械故障診斷方法43-44
• 4.3 實(shí)驗(yàn)分析44-49
• 4.3.1 齒輪故障診斷實(shí)驗(yàn)分析44-47
• 4.3.2 轉(zhuǎn)子故障診斷實(shí)驗(yàn)分析47-49
• 4.4 本章小結(jié)49-50
• 第5章 基于排列熵和 VPMCD 的滾動軸承故障診斷方法50-57
• 5.1 排列熵算法及其參數(shù)的選擇50-53
• 5.2 基于排列熵和 VPMCD 的滾動軸承故障診斷方法53
• 5.3 實(shí)驗(yàn)分析53-56
• 5.4 本章小結(jié)56-57
• 第6章 基于 ICA 相關(guān)系數(shù)和 VPMCD 的滾動軸承故障診斷方法57-63
• 6.1 獨(dú)立分量分析和相關(guān)系數(shù)分析方法57-58
• 6.2 基于 ICA 相關(guān)系數(shù)和 VPMCD 的滾動軸承故障診斷方法58-59
• 6.3 實(shí)驗(yàn)分析59-62
• 6.4 本章小結(jié)62-63
• 第7章 基于 OC-VPMCD 的滾動軸承故障診斷方法63-71
• 7.1 新異類檢測方法63-64
• 7.1.1 單類支持向量機(jī)63-64
• 7.1.2 自組織映射神經(jīng)網(wǎng)絡(luò)64
• 7.2 基于 VPMCD 的新異類檢測方法—OC-VPMCD 方法64-65
• 7.3 基于 OC-VPMCD 的滾動軸承故障診斷方法65-66
• 7.4 實(shí)驗(yàn)分析66-69
• 7.5 本章小結(jié)69-71
• 結(jié)論與展望71-73
• 參考文獻(xiàn)73-78
• 致謝78-79
• 附錄 A 攻讀學(xué)位期間發(fā)表和錄用的論文目錄79-80
• 附錄 B 攻讀學(xué)位期間參與的科研項(xiàng)目80

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 葛家怡;周鵬;趙欣;劉海嬰;王明時;;睡眠腦電時間序列的非線性樣本熵研究[J];電子器件;2008年03期

2 羅劍斌,盧一兵,袁立平,石峰,王瑞軍,孫玉泰,楊占月,張作禮;汽輪機(jī)轉(zhuǎn)子中心孔進(jìn)油引起的振動分析[J];電力安全技術(shù);2005年07期

3 郭佳凡;于吉全;;基于遺傳算法的大型鋼塔結(jié)構(gòu)的節(jié)點(diǎn)損傷參數(shù)識別方法[J];湖北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

4 鄒紅星,戴瓊海,李衍達(dá),盧旭光;不含交叉項(xiàng)干擾且具有WVD聚集性的時頻分布之不存在性[J];中國科學(xué)E輯:技術(shù)科學(xué);2001年04期

5 張宗飛;;一種改進(jìn)型量子遺傳算法[J];計(jì)算機(jī)工程;2010年06期

6 和衛(wèi)星;陳曉平;邵s

本文編號：339672