本文關(guān)鍵詞：基于小波包熵和高斯混合模型的設(shè)備故障診斷和性能退化方法研究

  更多相關(guān)文章： 性能退化評估 滾動軸承 小波包熵 高斯混合模型 偏離值

【摘要】：傳統(tǒng)的設(shè)備維護模式是基于被動維修策略的事后維修、定期維修和視情維修，這種應(yīng)對式的維修難以滿足現(xiàn)在的生產(chǎn)要求。因此，需根據(jù)設(shè)備運行狀態(tài)主動的制定相應(yīng)的維護策略。 設(shè)備性能退化評估就是一種基于主動維護策略的維護技術(shù)。性能退化評估方法與傳統(tǒng)的故障診斷方法不同之處在于該法重點是針對設(shè)備全壽命周期內(nèi)的走勢進行預(yù)測分析，并不是局限于某一個特定的狀態(tài)。本文以滾動軸承為研究對象，提取信號的小波包熵特征，分別建立基準(zhǔn)狀態(tài)和運行狀態(tài)的高斯混合模型(Gaussian Mixture Model,GMM)，通過比較運行狀態(tài)模型相對于基準(zhǔn)狀態(tài)模型的偏離程度對設(shè)備性能退化狀態(tài)進行分析。論文主要內(nèi)容包括： (1)針對小波特征提取以及故障信號的特點，對小波分解過程中小波包基和分解層數(shù)的選擇進行了研究。 (2)利用基于GMM的方法進行軸承故障診斷，并與SVM方法進行對比，驗證了所提方法的有效性和準(zhǔn)確性。 (3)提出了基于偏離值的性能退化分析方法，對滾動軸承仿真數(shù)據(jù)進行了分析，，并與時域特征進行比較；對滾動軸承全壽命周期數(shù)據(jù)進行退化分析并與基于邏輯回歸的設(shè)備性能退化分析方法進行了比較。結(jié)果表明所提方法具有較好的早期故障識別能力，能夠較準(zhǔn)確的反映滾動軸承性能退化全過程，并具有無需歷史數(shù)據(jù)以及無需定義先驗概率的優(yōu)點。
【關(guān)鍵詞】：性能退化評估 滾動軸承 小波包熵 高斯混合模型 偏離值
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-7
• 目錄7-9
• 第一章 緒論9-16
• 1.1 課題研究的背景和意義9-10
• 1.1.1 課題來源9
• 1.1.2 研究意義9-10
• 1.2 國內(nèi)外相關(guān)研究10-14
• 1.2.1 設(shè)備性能退化評估研究現(xiàn)狀10-13
• 1.2.2 智能診斷的研究現(xiàn)狀13-14
• 1.3 研究內(nèi)容14-16
• 第二章 小波包熵和高斯混合模型理論16-33
• 2.1 小波理論16-23
• 2.1.1 連續(xù)小波變換16-17
• 2.1.2 離散小波變換17-18
• 2.1.3 多分辨率分析和 Mallat 算法18-21
• 2.1.4 小波包理論21-23
• 2.2 小波包熵23-25
• 2.2.1 小波基函數(shù)選擇24-25
• 2.2.2 小波分解層數(shù)確定25
• 2.3 高斯混合模型理論25-31
• 2.3.1 高斯混合模型26-27
• 2.3.2 高斯混合模型參數(shù)估計27-29
• 2.3.3 參數(shù)初始化29-30
• 2.3.4 混合數(shù)目的確定30-31
• 2.4 本章小結(jié)31-33
• 第三章 基于高斯混合模型的設(shè)備故障信號分類識別方法33-50
• 3.1 機械設(shè)備故障信號建模方法33-36
• 3.1.1 統(tǒng)計信號的建�？傮w框架33-35
• 3.1.2 基于高斯混合模型的建模方法35-36
• 3.2 滾動軸承模擬實驗36-38
• 3.2.1 實驗系統(tǒng)及其組成36-37
• 3.2.2 故障軸承參數(shù)37-38
• 3.3 實驗分析38-49
• 3.3.1 分解層數(shù)和小波基的確定38-40
• 3.3.2 故障類型識別40-41
• 3.3.3 故障程度識別41-43
• 3.3.4 基于相似度的模式識別方法43-48
• 3.3.5 實例分析48-49
• 3.4 本章小結(jié)49-50
• 第四章 基于高斯混合模型的設(shè)備性能退化評估方法50-70
• 4.1 性能退化評估流程51-52
• 4.2 仿真數(shù)據(jù)分析52-55
• 4.2.1 時域特征趨勢分析52-54
• 4.2.2 基于高斯混合模型的性能退化分析54-55
• 4.3 實驗分析55-69
• 4.3.1 時域特征分析57-59
• 4.3.2 基于高斯混合模型的設(shè)備性能退化分析59-67
• 4.3.3 基于邏輯回歸的設(shè)備性能退化分析67-69
• 4.4 本章小結(jié)69-70
• 結(jié)論與展望70-72
• 參考文獻72-77
• 攻讀碩士學(xué)位期間取得的研究成果77-78
• 致謝78-79
• 附錄79

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 彭宇;劉大同;彭喜元;;故障預(yù)測與健康管理技術(shù)綜述[J];電子測量與儀器學(xué)報;2010年01期

2 郭磊;陳進;;小波包熵在設(shè)備性能退化評估中的應(yīng)用[J];機械科學(xué)與技術(shù);2008年09期

3 申_",黃樹紅,韓守木,楊叔子;旋轉(zhuǎn)機械振動信號的信息熵特征[J];機械工程學(xué)報;2001年06期

4 鄧艾東;包永強;趙力;;基于高斯混合模型的轉(zhuǎn)子碰摩聲發(fā)射識別方法[J];機械工程學(xué)報;2010年15期

5 劉美芳;余建波;尹紀(jì)庭;;基于貝葉斯推論和自組織映射的軸承性能退化評估方法[J];計算機集成制造系統(tǒng);2012年10期

6 井夫宣;張寧;劉虎;;主動維護在液壓系統(tǒng)上的研究和應(yīng)用[J];液壓與氣動;2008年06期

7 潘玉娜;陳進;;小波包-支持向量數(shù)據(jù)描述在軸承性能退化評估中的應(yīng)用研究[J];振動與沖擊;2009年04期

8 駱志高;陳保磊;龐朝利;陳鵬;;基于遺傳算法的滾動軸承復(fù)合故障診斷研究[J];振動與沖擊;2010年06期

9 肖文斌;陳進;周宇;王志陽;趙發(fā)剛;;小波包變換和隱馬爾可夫模型在軸承性能退化評估中的應(yīng)用[J];振動與沖擊;2011年08期

10 肖涵;李友榮;呂勇;;基于四分位偏差分形維與高斯混合模型的故障識別算法研究[J];振動工程學(xué)報;2008年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 郭磊;基于核模式分析方法的旋轉(zhuǎn)機械性能退化評估技術(shù)研究[D];上海交通大學(xué);2009年

本文編號：601850