本文關(guān)鍵詞：基于振幅熵與功率譜重心的聚類分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著工業(yè)化程度不斷升級與經(jīng)濟(jì)的飛速發(fā)展，眾多產(chǎn)業(yè)對旋轉(zhuǎn)機(jī)械的需求越來越大，例如在電力、冶金、航空、石油、化工等產(chǎn)業(yè)。通常在整個(gè)生產(chǎn)過程中旋轉(zhuǎn)機(jī)械的作用無可替代，一旦出現(xiàn)故障將會(huì)造成的重大的經(jīng)濟(jì)損失，因此對其穩(wěn)定性與可靠性的要求也越來越高，而通過故障診斷方法，預(yù)防旋轉(zhuǎn)機(jī)械轉(zhuǎn)子故障與確保旋轉(zhuǎn)機(jī)械保持平穩(wěn)與正常工作具有重要意義。 在旋轉(zhuǎn)機(jī)械故障診斷時(shí)，對于不同的故障對象，用來進(jìn)行故障分析的特征量也會(huì)不同，因此選取一個(gè)合適的特征量在最后診斷結(jié)果的有效性上顯得至關(guān)重要。本文就旋轉(zhuǎn)機(jī)械轉(zhuǎn)子的特點(diǎn)提出了基于振幅熵H(A)與功率譜重心C這兩個(gè)特征屬性的二維特征量(H(A),C)，，并且運(yùn)用小波去噪與聚類分析技術(shù)圍繞這個(gè)二維特征量(H(A), C)選取的合適性進(jìn)行了理論研究與實(shí)驗(yàn)驗(yàn)證。 論文首先對旋轉(zhuǎn)機(jī)械轉(zhuǎn)子常見的故障（如轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡、轉(zhuǎn)子動(dòng)靜件碰摩、轉(zhuǎn)子支承松動(dòng)）的原因與故障時(shí)所體現(xiàn)的特征進(jìn)行了詳細(xì)介紹。其次，介紹了聚類分析中常使用到的聚類方法的現(xiàn)狀及其適用情況，并就本文所使用到的網(wǎng)格聚類所涉及到的概念與基本原理進(jìn)行了詳述。第三，在熟悉小波分析技術(shù)的基本原理的基礎(chǔ)上給出了小波去噪的具體方法。第四，闡述了計(jì)算一組數(shù)據(jù)的二維特征量(H(A),C)的理論依據(jù)與方法。最后，進(jìn)行轉(zhuǎn)子故障模擬實(shí)驗(yàn)，通過運(yùn)用小波分析與聚類分析對樣本數(shù)據(jù)的二維特征量(H(A),C)進(jìn)行了分析，結(jié)果表明其能夠較好的對轉(zhuǎn)子出現(xiàn)的幾種常見故障狀態(tài)進(jìn)行區(qū)分。
【關(guān)鍵詞】：轉(zhuǎn)子 故障診斷 小波 聚類 振幅熵H(A) 功率譜重心C
【學(xué)位授予單位】：南昌航空大學(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4-5
• Abstract5-8
• 第一章 緒論8-17
• 1.1 旋轉(zhuǎn)機(jī)械故障診斷的意義8-9
• 1.2 機(jī)械故障診斷技術(shù)的現(xiàn)狀及發(fā)展9-13
• 1.3 機(jī)械故障診斷技術(shù)的主要內(nèi)容13-14
• 1.4 本課題背景與主要工作14-17
• 第二章 旋轉(zhuǎn)機(jī)械常見振動(dòng)故障特征17-31
• 2.1 轉(zhuǎn)子的基本振動(dòng)特性17-19
• 2.2 旋轉(zhuǎn)機(jī)械轉(zhuǎn)子的故障診斷19-31
• 2.2.1 轉(zhuǎn)子不平衡機(jī)理與診斷20-23
• 2.2.2 轉(zhuǎn)子不對中機(jī)理與診斷23-28
• 2.2.3 動(dòng)靜件碰磨機(jī)理與診斷28-31
• 第三章 數(shù)據(jù)聚類算法研究31-41
• 3.1 聚類分析技術(shù)所面臨的主要問題31-33
• 3.2 主要聚類算法分類33-41
• 3.2.1 層次聚類算法33-35
• 3.2.2 劃分聚類算法35-37
• 3.2.3 基于密度的聚類算法37-38
• 3.2.4 基于網(wǎng)格的聚類算法38-39
• 3.2.5 基于模型的聚類算法39-41
• 第四章 基于振幅熵與功率譜重心的聚類分析41-51
• 4.1 小波分析基本理論41-44
• 4.1.1 傳統(tǒng)信號分析及其不足41-42
• 4.1.2 小波分析基本理論42-44
• 4.2 網(wǎng)格聚類基本理論44-51
• 4.2.1 網(wǎng)格的基本概念44-45
• 4.2.2 數(shù)據(jù)對象在網(wǎng)格單元中的位置標(biāo)示45-46
• 4.2.3 網(wǎng)格的基本特征46
• 4.2.4 網(wǎng)格單元的聯(lián)通與聚類46-47
• 4.2.5 振幅熵H(A)與功率譜重心C47-49
• 4.2.6 具體聚類分析49-51
• 第五章 實(shí)例分析51-61
• 5.1 轉(zhuǎn)子故障數(shù)據(jù)采樣51-56
• 5.2 聚類結(jié)果分析56-61
• 第六章 結(jié)論與展望61-62
• 6.1 主要研究內(nèi)容61
• 6.2 展望61-62
• 參考文獻(xiàn)62-66
• 發(fā)表學(xué)術(shù)論文和參加科研工作的情況66-67
• 致謝67

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 胡方霞;謝志江;岳茂雄;;混沌粒子群優(yōu)化模糊聚類的旋轉(zhuǎn)機(jī)械故障診斷[J];重慶大學(xué)學(xué)報(bào);2011年06期

2 董立巖;毛銳;余宜誠;王利民;黃樂;殷涵;;基于分布式多服務(wù)系統(tǒng)的數(shù)據(jù)同步方法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2011年04期

3 管濤;;統(tǒng)計(jì)聚類模型研究綜述[J];計(jì)算機(jī)科學(xué);2012年07期

4 邱保志;沈鈞毅;;基于網(wǎng)格技術(shù)的高精度聚類算法[J];計(jì)算機(jī)工程;2006年03期

5 賴玉霞;劉建平;楊國興;;基于遺傳算法的K均值聚類分析[J];計(jì)算機(jī)工程;2008年20期

6 蔣盛益;李霞;;一種改進(jìn)的BIRCH聚類算法[J];計(jì)算機(jī)應(yīng)用;2009年01期

7 楊文獻(xiàn),姜節(jié)勝;基于數(shù)據(jù)挖掘的柴油機(jī)氣門故障診斷技術(shù)研究[J];機(jī)械工程學(xué)報(bào);2004年10期

  本文關(guān)鍵詞：基于振幅熵與功率譜重心的聚類分析在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號：464707