本文關(guān)鍵詞：基于最大期望和勢能函數(shù)的滾動軸承故障識別算法研究

  更多相關(guān)文章： 故障識別 距離評估因子 EM算法 二叉樹 勢能函數(shù)

【摘要】：軸承故障識別已經(jīng)引起人們相當(dāng)大的關(guān)注。據(jù)統(tǒng)計，70%以上的故障都是以振動形式表現(xiàn)出來。因此，本文選擇振動信號進行故障特征提取。因其診斷模式與特征向量之間是非常復(fù)雜的非線性關(guān)系，因此選用振動信號的時域、頻域統(tǒng)計特征特征參數(shù)集體反應(yīng)故障特征，并選擇有效的非線性分類算法進行了故障識別。 在故障診斷中重要的兩個環(huán)節(jié)是故障特征選擇和分類器的選擇。本文對故障信號進行小波分析，計算降噪后信號的時域和頻域統(tǒng)計特征，得到了故障原始特征向量。然而，在進行故障識別時，盡管不同特征能夠從不同方面來識別故障，但是他們對識別故障有不同的靈敏度。一些特征對于故障是靈敏并且關(guān)聯(lián)密切的，而其他特征則不然。因此在特征集輸入分類器之前，特征選擇是極其重要的問題。因此本文基于距離比思想，提出了距離評估因子用于對故障數(shù)據(jù)進行降維處理。距離評估因子評估準(zhǔn)則的基本思想是：分別計算某個特征參數(shù)的類間距離和類內(nèi)距離，并把兩者的距離比作為距離評估因子而將所有特征參數(shù)按照比值進行排序，，并將部分參數(shù)進行融合作為特征向量，實現(xiàn)故障特征參數(shù)的客觀選擇。 通過參考大量文獻發(fā)現(xiàn)，由于高斯混合模型能夠平滑地近似任意形狀的密度分布，因此近年來常被用在模式識別中，得到不錯的效果。因此基于以上思想，本文選用高斯混合模型作為故障識別建模，并將其與最大期望算法進行結(jié)合，提出了基于有限高斯混合模型的EM算法。 在掌握勢能函數(shù)分類算法的意義和存在多分類問題的局限性后，本文引入二叉樹原理并將其與勢能函數(shù)分類算法結(jié)合，提出了改進勢能函數(shù)分類算法。算法基本思想是：把診斷類型分為故障和非故障，對于故障再進行具體劃分。此外，可以根據(jù)故障診斷的對象不同對故障類型識別的先后進行調(diào)整，根據(jù)診斷對象不同或根據(jù)已有數(shù)據(jù)計算各自故障類型發(fā)生的概率，并從大到小進行排序，概率大的故障類別可以先被診斷出來，這樣就可以有效地提高故障診斷的效率。 本文在MATLAB平臺下進行了算法仿真實驗和對比實驗，實驗結(jié)果表明，提出的距離評估因子降維處理方法是有效可行的；提出的基于高斯混合模型EM算法提高了數(shù)據(jù)分類能力；選擇勢能函數(shù)分類法進行故障診斷為滾動軸承故障診斷提供的新思想；將二叉樹理論引入勢能函數(shù)分類算法，解決了多分類問題。
【關(guān)鍵詞】：故障識別 距離評估因子 EM算法 二叉樹 勢能函數(shù)
【學(xué)位授予單位】：遼寧大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH165.3;TH133.33
【目錄】：

• 摘要4-6
• Abstract6-13
• 第1章 緒論13-26
• 1.1 論文研究背景和意義13-14
• 1.2 滾動軸承故障識別的國內(nèi)外研究現(xiàn)狀14-23
• 1.2.1 滾動軸承故障識別中的特征提取14-21
• 1.2.2 常用的故障識別技術(shù)21-23
• 1.3 論文的主要研究內(nèi)容和結(jié)構(gòu)23-26
• 1.3.1 論文的主要研究工作23-24
• 1.3.2 論文的組織結(jié)構(gòu)24-26
• 第2章 基于振動信號的滾動軸承故障識別理論26-37
• 2.1 滾動軸承故障信號的預(yù)處理26-30
• 2.1.1 常用的去噪方法26-28
• 2.1.2 閾值去噪原理28-29
• 2.1.3 小波降噪常用的閾值選擇方法29-30
• 2.1.4 小波包降噪常用的閾值選擇方法30
• 2.2 EM 算法30-33
• 2.2.1 EM 算法的基本理論30-32
• 2.2.2 EM 算法的實現(xiàn)步驟32-33
• 2.2.4 EM 算法的用途33
• 2.2.3 EM 算法的優(yōu)缺點33
• 2.3 勢能函數(shù)算法33-36
• 2.3.1 勢能函數(shù)概述34-35
• 2.3.2 勢能函數(shù)訓(xùn)練學(xué)習(xí)過程35-36
• 2.3.3 勢能函數(shù)算法的優(yōu)缺點36
• 2.4 本章小結(jié)36-37
• 第3章 基于距離評估因子的滾動軸承特征參數(shù)選擇算法37-54
• 3.1 滾動軸承故障識別中的特征選擇37-39
• 3.1.1 常用的特征選擇方法37-38
• 3.1.2 距離評估因子評估準(zhǔn)則38-39
• 3.2 滾動軸承故障識別中特征參數(shù)的選取39-42
• 3.2.1 故障特征參數(shù)選取的原則39-40
• 3.2.2 時域特征參數(shù)40-41
• 3.2.3 頻域特征參數(shù)41-42
• 3.3 滾動軸承故障特征參數(shù)選擇流程42-43
• 3.4 一種有效的特征向量——小波能量43-45
• 3.4.1 小波基的選取原則44
• 3.4.2 小波能量生成步驟44-45
• 3.5 滾動軸承故障特征選擇仿真實驗45-54
• 3.5.1 實驗數(shù)據(jù)45-46
• 3.5.2 實驗數(shù)據(jù)預(yù)處理46-48
• 3.5.3 計算時域頻域特征參數(shù)48-51
• 3.5.4 對比實驗51-53
• 3.5.5 實驗分析53-54
• 第4章 基于有限高斯混合模型 EM 算法的故障識別54-62
• 4.1 有限高斯混合模型基本思想54-55
• 4.1.1 高斯混合模型54
• 4.1.2 GMM 的引入意義54-55
• 4.2 基于有限高斯混合模型 EM 算法的滾動軸承故障識別55-58
• 4.2.1 基于有限高斯混合模型 EM 算法55-56
• 4.2.2 基于有限高斯混合模型 EM 算法故障識別的基本流程56-57
• 4.2.3 滾動軸承故障識別的參數(shù)設(shè)置57-58
• 4.3 對比實驗58-60
• 4.4 基于有限高斯混合模型 EM 算法的故障識別效果分析60-62
• 第5章 基于勢能函數(shù)的滾動軸承故障識別算法62-70
• 5.1 勢能函數(shù)的引入62
• 5.2 常用的解決多分類問題的方法62
• 5.3 訓(xùn)練開始62-65
• 5.3.1 第二模式樣本參加訓(xùn)練63-64
• 5.3.2 任意點的確定64-65
• 5.3.3 判別函數(shù)65
• 5.4 勢能函數(shù)實現(xiàn)故障多分類65-67
• 5.5 基于勢能函數(shù)的滾動軸承故障識別67-69
• 5.6 勢能函數(shù)滾動軸承故障識別效果分析69-70
• 第6章 總結(jié)和展望70-73
• 6.1 總結(jié)70-71
• 6.2 展望71-73
• 致謝73-75
• 參考文獻75-79
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加科研情況79-80

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李卓彥;周強強;李志雄;;滾動軸承故障診斷技術(shù)的研究[J];科技信息;2008年36期

2 高斌;陳果;;一種滾動軸承故障特征的時頻綜合分析法[J];機械科學(xué)與技術(shù);2009年04期

3 程軍圣;張亢;楊宇;;局部均值分解方法及其在滾動軸承故障診斷中的應(yīng)用[J];中國機械工程;2009年22期

4 韓業(yè)鋒;仲濤;石磊;;基于包絡(luò)譜分析的滾動軸承故障診斷分析[J];機械研究與應(yīng)用;2010年04期

5 張弦;王宏力;;進化小波消噪方法及其在滾動軸承故障診斷中的應(yīng)用[J];機械工程學(xué)報;2010年15期

6 毛亞紅;劉金良;;振動分析技術(shù)在風(fēng)機滾動軸承故障診斷中的應(yīng)用[J];中國設(shè)備工程;2011年06期

7 張云鵬;蓋強;;S變換在滾動軸承故障診斷上的應(yīng)用[J];應(yīng)用科技;2011年07期

8 吳建林,盛英梁;振動信號頻譜分析法檢測鐵道車輛滾動軸承故障初探[J];鐵道車輛;1993年05期

9 高興;大型收塵風(fēng)機滾動軸承故障診斷[J];風(fēng)機技術(shù);1994年01期

10 宋顯輝;用電腦分析儀診斷水泵滾動軸承故障[J];冶金動力;1995年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術(shù)探討[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學(xué)術(shù)年會鐵道分會場暨中國鐵道學(xué)會學(xué)術(shù)年會和粵海通道運營管理學(xué)術(shù)研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應(yīng)用[A];第十屆全國設(shè)備監(jiān)測與診斷技術(shù)學(xué)術(shù)會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應(yīng)用研究[A];第九屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產(chǎn)技術(shù)會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結(jié)合在滾動軸承故障診斷中的應(yīng)用[A];2009年全國青年摩擦學(xué)學(xué)術(shù)會議論文集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 于江林;滾動軸承故障的非接觸聲學(xué)檢測信號特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

2 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

3 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

4 趙協(xié)廣;基于小波變換和經(jīng)驗?zāi)B(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學(xué);2009年

5 侯者非;強噪聲背景下滾動軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

6 郭艷平;面向風(fēng)力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學(xué);2012年

7 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學(xué);2003年

8 崔寶珍;自適應(yīng)形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D];中北大學(xué);2013年

9 姜銳紅;基于譜峭度及原子分解的滾動軸承故障診斷方法研究[D];上海大學(xué);2014年

10 王雷;基于流形學(xué)習(xí)的滾動軸承故障診斷若干方法研究[D];大連理工大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李秋瑞;基于近鄰函數(shù)準(zhǔn)則與支持向量機的滾動軸承故障診斷研究[D];電子科技大學(xué);2010年

2 蘇憲章;滾動軸承故障非接觸多傳感器聲信號融合及診斷技術(shù)研究[D];東北石油大學(xué);2012年

3 劉震坤;基于支持向量數(shù)據(jù)描述的滾動軸承故障診斷方法研究[D];湖南大學(xué);2012年

4 孔亞林;基于振動信號的滾動軸承故障診斷方法研究[D];大連理工大學(xué);2006年

5 白文廣;基于虛擬儀器技術(shù)的滾動軸承故障檢測系統(tǒng)的研究[D];華北電力大學(xué)（河北）;2008年

6 蘇陽;數(shù)據(jù)驅(qū)動滾動軸承故障診斷研究[D];沈陽大學(xué);2012年

7 呂志剛;基于形態(tài)小波和最小二乘支持向量機的滾動軸承故障診斷研究[D];電子科技大學(xué);2012年

8 董群英;基于非平穩(wěn)時序分析的滾動軸承故障特征提取方法研究[D];中南大學(xué);2012年

9 魏巍;基于非平穩(wěn)時序分析的滾動軸承故障診斷方法研究[D];湖南工業(yè)大學(xué);2012年

10 付新欣;基于小波分析的滾動軸承故障診斷技術(shù)研究[D];沈陽航空航天大學(xué);2013年

本文編號：657472