本文關鍵詞：基于局部線性嵌入的旋轉機械故障診斷研究

  更多相關文章： 流形學習 局部線性嵌入 特征提取 維數簡約 分類識別

【摘要】：旋轉機械是現代工程各行業(yè)中的核心設備，其關鍵部分為轉子-軸承系統。在旋轉機械高速、高載、長時等工作環(huán)境下，轉子系統易產生轉子不平衡、不對中等一系列故障，若不及時診斷維護，將造成一定的經濟損失或社會影響。面對現實故障數據集的高維非線性特點，傳統的線性方法存在一定的局限性，然而，利用非線性流形學習方法能準確地提取有效信息，同時避免“維數災難”。因此，本文以旋轉機械為研究對象，設計了轉子系統故障模擬實驗方案，在基于局部線性嵌入的流形學習方法研究基礎上，對其算法進行優(yōu)化以得到更好的故障診斷效果，主要研究工作如下： 1)根據研究對象設計了轉子系統故障模擬實驗方案，在綜合故障實驗臺上對轉子系統正常狀態(tài)、轉子不平衡、不對中、基座松動故障進行了模擬，以及相應振動信號的采集，并對各狀態(tài)信號進行了時頻特性分析。 2)分析了經典流形學習方法的主要思想及優(yōu)缺點，針對故障樣本在流形上分布不均，而局部線性嵌入算法(LLE)降維效果易受近鄰點數影響的問題，提出了一種均勻化距離的局部線性嵌入算法(MLLE)，通過均勻化距離代替歐氏距離，利用點間距離平均值的倒數調節(jié)使樣本點間的距離整體分布趨于均勻化而減小近鄰點數的影響。分析比較了兩種LLE算法的故障識別率，并探討了故障識別率隨參數近鄰點數或嵌入維數的變化。 3)為進一步提高故障識別率及算法的穩(wěn)定性，在核方法與監(jiān)督學習研究的基礎上，提出了一種基于局部線性嵌入的核監(jiān)督方法(KSLLE)，通過核函數將數據樣本映射到核特征空間使其更具可分性，再在特征空間中進行監(jiān)督LLE降維與分類識別。另一方面，進一步結合MLLE與監(jiān)督學習思想，提出一種監(jiān)督均勻化距離的局部線性嵌入算法(SMLLE)，首先采用均勻化距離度量使樣本分布均勻，再通過監(jiān)督學習增加樣本點的類別信息，使類內聚集而類間分散，從而更有效的進行分類。最后，將LLE、SLLE、KSLLE、SMLLE進行故障識別率的分析比較。 4)考慮到不同故障類型存在不同的多流形子空間中，將流形學習從單流形擴展到多流形，提出一種基于局部線性嵌入的多流形故障診斷方法，構建多流形LLE框架，利用多LLE分別提取數據集在其不同本征維數流形上的特征，通過特征向量的聚類中心與故障新樣本的距離比較，，進行判別分類。通過實驗數據分析驗證算法的可行性。
【關鍵詞】：流形學習 局部線性嵌入 特征提取 維數簡約 分類識別
【學位授予單位】：湖南科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH165.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 課題研究背景10-11
• 1.2 國內外研究現狀11-13
• 1.3 存在的問題13-14
• 1.4 課題研究主要內容14-16
• 第二章 轉子-軸承系統故障模擬實驗16-25
• 2.1 轉子-軸承系統故障模擬實驗臺搭建16-18
• 2.1.1 綜合故障模擬實驗臺16-17
• 2.1.2 振動信號采集系統17-18
• 2.2 轉子-軸承系統故障實驗方案設計18-20
• 2.3 實驗數據分析處理20-23
• 2.3.1 信號的時頻特性20-22
• 2.3.2 振動信號數據融合22-23
• 2.4 本章小結23-25
• 第三章 基于均勻化距離的局部線性嵌入故障診斷25-39
• 3.1 流形學習概述25-27
• 3.2 均勻化距離的 LLE 算法27-33
• 3.2.1 LLE 算法思想與步驟27-29
• 3.2.2 均勻化距離的 LLE 算法思想與步驟29-33
• 3.3 基于均勻化距離 LLE 的故障診斷33-34
• 3.4 故障識別率隨參數的變化34-37
• 3.4.1 近鄰點數的變化34-36
• 3.4.2 嵌入維數的變化36-37
• 3.5 本章小結37-39
• 第四章 基于核方法與監(jiān)督學習的局部線性嵌入故障診斷39-51
• 4.1 監(jiān)督局部線性嵌入算法39-40
• 4.1.1 監(jiān)督學習39
• 4.1.2 監(jiān)督 LLE 的思想及步驟39-40
• 4.2 核監(jiān)督局部線性嵌入算法40-45
• 4.2.1 核的理論及方法40-42
• 4.2.2 核監(jiān)督 LLE 的思想及步驟42-45
• 4.3 監(jiān)督均勻化距離的局部線性嵌入算法45
• 4.4 基于 SLLE、KSLLE 與 SMLLE 的故障診斷45-49
• 4.5 本章小結49-51
• 第五章 基于局部線性嵌入的多流形故障診斷51-58
• 5.1 多流形學習方法51-52
• 5.2 基于局部線性嵌入的多流形思想構建52-53
• 5.3 基于局部線性嵌入的多流形算法53-54
• 5.3.1 流形距離度量53-54
• 5.3.2 算法步驟54
• 5.4 基于局部線性嵌入的多流形故障診斷54-57
• 5.4.1 數據構建預處理54-55
• 5.4.2 故障診斷分析55-57
• 5.5 本章小結57-58
• 第六章 總結與展望58-61
• 6.1 論文總結58-59
• 6.2 研究展望59-61
• 參考文獻61-65
• 致謝65-66
• 附錄：攻讀碩士學位期間主要研究成果目錄66

【參考文獻】

中國期刊全文數據庫 前10條

1 許建華,張學工,李衍達;基于核函數的非線性口袋算法[J];電子學報;2003年04期

2 潘志松,陳松燦,張道強;原空間中的核SOM分類器[J];電子學報;2004年02期

3 羅磊;李躍華;;基于LLE的分類算法及其在被動毫米波目標識別中的應用[J];電子與信息學報;2010年06期

4 李見為;樊超;王瑋;;監(jiān)督局部線性嵌入在人臉識別中的應用[J];重慶大學學報;2010年02期

5 陳國榮;鄢萍;劉飛;易潤忠;趙靜;;滾齒機網絡化故障診斷專家系統的設計及應用[J];重慶大學學報;2010年05期

6 黃添強;李凱;鄭之;;有監(jiān)督的噪音流形學習算法[J];廣西師范大學學報(自然科學版);2011年03期

7 張峗;李本威;;基于最大方差展開的非線性信號降噪方法及其在故障診斷中的應用[J];中國科學:技術科學;2010年08期

8 孟德宇;徐宗本;戴明偉;;一種新的有監(jiān)督流形學習方法[J];計算機研究與發(fā)展;2007年12期

9 蔣潤;周激流;雷剛;李曉華;;基于有監(jiān)督流形學習的正交投影降維[J];計算機工程;2009年23期

10 王立志;黃鴻;馮海亮;;多線性局部與全局保持嵌入在高光譜遙感影像分類中的應用[J];計算機輔助設計與圖形學學報;2012年06期

本文編號：760930