本文關(guān)鍵詞：基于局域均值分解的機(jī)械故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機(jī)械故障診斷旨在發(fā)現(xiàn)潛在的故障，而機(jī)械在工作中會(huì)發(fā)生振動(dòng)，且大量的振動(dòng)信號(hào)都是非平穩(wěn)信號(hào)，對(duì)實(shí)際測(cè)得的振動(dòng)信號(hào)可以提取各種參數(shù)和應(yīng)用這些參數(shù)進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷，因此，對(duì)振動(dòng)信號(hào)采用數(shù)字信號(hào)分析方法進(jìn)行研究成為主要的方向。在機(jī)械出現(xiàn)故障時(shí)，振動(dòng)信號(hào)的非線性、非平穩(wěn)的狀態(tài)反映了振動(dòng)信號(hào)的特征參數(shù)是不一樣的，而且特征間會(huì)存在相關(guān)性與冗余性，，這樣會(huì)降低分類(lèi)器的泛化能力和識(shí)別精度。檢測(cè)故障中特征參數(shù)與分類(lèi)器的合理選擇具有重要的意義。 基于上述研究背景，文章主要研究了以下內(nèi)容： 1.用局域均值分解算法分解機(jī)械故障振動(dòng)信號(hào)。局域均值分解能夠自適應(yīng)的表現(xiàn)信號(hào)的時(shí)間頻率分布特征，然而在對(duì)信號(hào)進(jìn)行局域均值分解時(shí)，由于端點(diǎn)的趨勢(shì)無(wú)法預(yù)知，在分解時(shí)會(huì)污染到整個(gè)信號(hào)序列，而且滑動(dòng)平均造成了信號(hào)的過(guò)平滑處理，導(dǎo)致故障特征不能準(zhǔn)確的提取。本文分析了局域均值分解，并提出改進(jìn)的方案，通過(guò)在MATLAB環(huán)境下仿真信號(hào)驗(yàn)證了優(yōu)化的局域均值分解得到的PF分量與原始信號(hào)有更高的相關(guān)性。并將PF分量的能量輸入BP網(wǎng)絡(luò)，結(jié)果表明，優(yōu)化的PF分量能夠很好地識(shí)別軸承的故障狀態(tài)。 2.當(dāng)設(shè)備出現(xiàn)故障，振動(dòng)信號(hào)的一些統(tǒng)計(jì)參數(shù)包含了相關(guān)性和冗余性并存的豐富的特征，這樣會(huì)降低識(shí)別分類(lèi)器的精度和泛化能力。文中利用振動(dòng)信號(hào)序列的時(shí)域特征參數(shù)和時(shí)序AR參數(shù)，以及PF分量的能量熵，采用KPCA去除樣本數(shù)據(jù)的冗余特征，提取出合適的輸入樣本，然后利用LSSVM辨別軸承的各個(gè)狀態(tài)。實(shí)驗(yàn)結(jié)果表明，PF能量熵特征均優(yōu)于時(shí)域特征參數(shù)和時(shí)序AR參數(shù)，且KPCA-LSSVM分類(lèi)模型相對(duì)于直接利用LSSVM有更好的分類(lèi)精度。
【關(guān)鍵詞】：故障診斷 局域均值分解 端點(diǎn)效應(yīng) 核主元分析 最小二乘支持向量機(jī)
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH165.3
【目錄】：

• 中文摘要5-6
• ABSTRACT6-10
• 第一章 引言10-16
• 1.1 研究背景及意義10
• 1.2 故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)10-11
• 1.3 振動(dòng)信號(hào)處理的研究現(xiàn)狀及發(fā)展趨勢(shì)11-13
• 1.4 本文研究的主要內(nèi)容和結(jié)構(gòu)安排13-16
• 第二章 時(shí)頻分析技術(shù)16-24
• 2.1 時(shí)頻分析技術(shù)概況16-18
• 2.2 局域均值分解18-22
• 2.2.1 基本原理18-20
• 2.2.2 性能評(píng)價(jià)20-22
• 2.3 本章小結(jié)22-24
• 第三章 局域均值分解的優(yōu)化算法24-40
• 3.1 概述24-25
• 3.2 局域均值分解的優(yōu)化25-28
• 3.2.1 存在的問(wèn)題及優(yōu)化25-26
• 3.2.2 實(shí)驗(yàn)仿真分析26-28
• 3.3 基于改進(jìn)的局域均值分解的軸承故障特征提取方法28-33
• 3.3.1 特征提取模型28
• 3.3.2 實(shí)驗(yàn)結(jié)果及分析28-33
• 3.4 基于改進(jìn)的局域均值分解與 BP 神經(jīng)網(wǎng)絡(luò)的軸承故障診斷方法33-38
• 3.4.1 BP 神經(jīng)網(wǎng)絡(luò)33-34
• 3.4.2 診斷模型34-35
• 3.4.3 實(shí)驗(yàn)結(jié)果及分析35-38
• 3.5 本章小結(jié)38-40
• 第四章 基于 LMD-KPCA-LSSVM 的軸承故障識(shí)別算法40-54
• 4.1 概述40
• 4.2 核主元分析算法40-42
• 4.2.1 基本原理40-41
• 4.2.2 性能評(píng)價(jià)41-42
• 4.3 最小二乘支持向量機(jī)算法42-44
• 4.3.1 基本原理42-44
• 4.3.2 性能評(píng)價(jià)44
• 4.4 基于 LMD-KPCA-LSSVM 的軸承故障診斷算法44-52
• 4.4.1 診斷模型44-45
• 4.4.2 初始化特征參數(shù)45-48
• 4.4.3 實(shí)驗(yàn)結(jié)果及分析48-52
• 4.5 本章小結(jié)52-54
• 第五章 總結(jié)與展望54-56
• 5.1 總結(jié)54-55
• 5.2 展望55-56
• 參考文獻(xiàn)56-60
• 致謝60-62
• 攻讀碩士學(xué)位期間的研究成果62-63

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 熊良才,史鐵林,楊叔子;Choi-Williams分布參數(shù)優(yōu)化及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2003年01期

2 許亮;;非線性特征提取和LSSVM在化工過(guò)程故障診斷中應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2010年01期

3 高錦宏;徐小力;吳國(guó)新;張興國(guó);;基于Wigner-Ville分布的煙氣輪機(jī)機(jī)械故障診斷研究[J];機(jī)械設(shè)計(jì)與制造;2008年09期

4 李志農(nóng);劉衛(wèi)兵;肖堯先;鄔冠華;;基于局域均值分解包絡(luò)譜和SVM的滾動(dòng)軸承故障診斷方法研究[J];機(jī)械設(shè)計(jì)與制造;2011年11期

5 陳予恕;;機(jī)械故障診斷的非線性動(dòng)力學(xué)原理[J];機(jī)械工程學(xué)報(bào);2007年01期

6 溫廷新;王俊俊;;滾動(dòng)軸承故障診斷優(yōu)化仿真研究[J];計(jì)算機(jī)仿真;2012年06期

7 劉文彬;郭瑜;鄭華文;;基于短時(shí)傅里葉變換的油膜振蕩故障識(shí)別[J];中國(guó)測(cè)試技術(shù);2008年02期

8 楊永鋒;吳亞鋒;任興民;秦衛(wèi)陽(yáng);支希哲;裘焱;;基于最大Lyapunov指數(shù)預(yù)測(cè)的EMD端點(diǎn)延拓[J];物理學(xué)報(bào);2009年06期

9 陳保家;何正嘉;陳雪峰;訾艷陽(yáng);;機(jī)車(chē)故障診斷的局域均值分解解調(diào)方法[J];西安交通大學(xué)學(xué)報(bào);2010年05期

10 王民勝;保錚;;一種基于最小熵準(zhǔn)則的加窗傅氏變換時(shí)頻分析[J];西安電子科技大學(xué)學(xué)報(bào);1993年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 蔣玲莉;基于核方法的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)與模式分析方法研究[D];中南大學(xué);2010年

2 任達(dá)千;基于局域均值分解的旋轉(zhuǎn)機(jī)械故障特征提取方法及系統(tǒng)研究[D];浙江大學(xué);2008年

3 楊先勇;基于信號(hào)局部特征提取的機(jī)械故障診斷方法研究[D];浙江大學(xué);2009年

4 趙志宏;基于振動(dòng)信號(hào)的機(jī)械故障特征提取與診斷研究[D];北京交通大學(xué);2012年

5 洪濤;液體火箭發(fā)動(dòng)機(jī)渦輪泵實(shí)時(shí)故障檢測(cè)算法研究[D];電子科技大學(xué);2012年

6 張超;基于自適應(yīng)振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷研究[D];西安電子科技大學(xué);2012年

  本文關(guān)鍵詞：基于局域均值分解的機(jī)械故障診斷研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：378349