本文關(guān)鍵詞：基于人工蜂群算法優(yōu)化支持向量機(jī)的柴油機(jī)故障診斷研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代化工業(yè)的不斷發(fā)展,柴油機(jī)作為動(dòng)力設(shè)備已被廣泛應(yīng)用到社會(huì)生產(chǎn)的各個(gè)行業(yè),如礦山機(jī)械、交通運(yùn)輸?shù)阮I(lǐng)域,在工作系統(tǒng)中的地位日益重要。然而由于柴油機(jī)設(shè)備結(jié)構(gòu)的復(fù)雜性,零部件繁多并互相影響,加之工作環(huán)境較差且運(yùn)行工況繁雜等情況,其故障發(fā)生率較高,且故障一旦發(fā)生,所造成的影響將是難以估量的。由此,為避免不必要的損失,保證系統(tǒng)正常運(yùn)行,應(yīng)對(duì)柴油機(jī)實(shí)施狀態(tài)監(jiān)測(cè)與故障診斷以便能夠及時(shí)針對(duì)異常情況采取有效措施。通過闡明與思索柴油機(jī)故障診斷不同方法之間的利弊點(diǎn)和鑒于當(dāng)前的實(shí)驗(yàn)條件,本文選擇利用振動(dòng)信號(hào)分析法對(duì)R6105AZLD型柴油機(jī)進(jìn)行故障診斷研究,而歸納整個(gè)研究過程可主要集中于三部分:信號(hào)采集實(shí)驗(yàn)、信號(hào)處理、故障識(shí)別,各部分的具體工作如下:(1)信號(hào)采集實(shí)驗(yàn)根據(jù)柴油機(jī)結(jié)構(gòu)布置和工作原理,探究測(cè)點(diǎn)的合理安插位置以便能夠獲得包含柴油機(jī)豐富工作信息的振動(dòng)信號(hào)數(shù)據(jù);分析柴油機(jī)主要故障形式和發(fā)生率,有針對(duì)性的設(shè)置柴油機(jī)故障,以增加研究的可用性;充分滿足設(shè)備信號(hào)采集時(shí)對(duì)采樣頻率的要求,以保證在信號(hào)信息完整的前提下,減小運(yùn)算的復(fù)雜度。(2)信號(hào)處理柴油機(jī)振動(dòng)信號(hào)不僅具有非平穩(wěn)性,而且由于輸入輸出路徑復(fù)雜、振動(dòng)激勵(lì)源較多,以致采集到的信號(hào)信息比較混雜。為能選擇更為適用的測(cè)點(diǎn)信號(hào)數(shù)據(jù),同時(shí)有效提純工況信息并最大限度地減小失真度,本文在小波閾值去噪基礎(chǔ)上,以信噪比、均方根誤差和平滑度三者為評(píng)價(jià)指標(biāo)來選擇最優(yōu)測(cè)點(diǎn)以及更加適宜的去噪規(guī)則;而后,為進(jìn)一步明確不同工況的柴油機(jī)振動(dòng)信號(hào)特征信息,本文選擇小波包特征值提取法,同時(shí)為減小最終分類識(shí)別時(shí)的工作量,對(duì)特征值只取用相對(duì)能量較大的部分作為診斷樣本數(shù)據(jù)。(3)故障識(shí)別針對(duì)支持向量機(jī)能夠有效解決故障識(shí)別中小樣本分類問題而關(guān)鍵參數(shù)的選擇會(huì)直接影響到最終分類性能的好壞和基本人工蜂群算法可控參數(shù)少、原理易懂且易于實(shí)現(xiàn)但極易陷入局部最優(yōu)解、后期收斂速度慢等因素,本文最終選擇利用改進(jìn)搜索方式的人工蜂群算法對(duì)支持向量機(jī)參數(shù)優(yōu)化來進(jìn)行故障識(shí)別的研究手段,并通過與未優(yōu)化支持向量機(jī)和基本人工蜂群算法優(yōu)化的支持向量機(jī)進(jìn)行分類正確率比較,進(jìn)一步說明該改進(jìn)方法更具實(shí)用性。
【關(guān)鍵詞】：柴油機(jī) 信號(hào)采集與處理 人工蜂群算法 支持向量機(jī) 故障診斷
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;TK428
【目錄】：

• 摘要4-6
• Abstract6-10
• 1 緒論10-18
• 1.1 課題研究的背景和意義10-12
• 1.1.1 課題研究的背景10
• 1.1.2 課題研究的意義10-12
• 1.2 柴油機(jī)故障診斷的國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)12-15
• 1.2.1 國外研究現(xiàn)狀12-13
• 1.2.2 國內(nèi)研究現(xiàn)狀13
• 1.2.3 發(fā)展趨勢(shì)13-15
• 1.3 人工蜂群算法和支持向量機(jī)的研究現(xiàn)狀15-16
• 1.3.1 人工蜂群算法研究現(xiàn)狀15
• 1.3.2 支持向量機(jī)研究現(xiàn)狀15-16
• 1.4 論文寫作安排及主要研究?jī)?nèi)容16-18
• 2 柴油機(jī)基本構(gòu)造與故障機(jī)理分析18-27
• 2.1 柴油機(jī)基本構(gòu)造18-20
• 2.2 柴油機(jī)工作過程20-22
• 2.3 柴油機(jī)故障類型、產(chǎn)生原因及消除辦法22-26
• 2.4 本章總結(jié)26-27
• 3 支持向量機(jī)概述27-38
• 3.1 理論基礎(chǔ)——統(tǒng)計(jì)學(xué)理論27-32
• 3.1.1 機(jī)器學(xué)習(xí)的基本理論27-29
• 3.1.2 統(tǒng)計(jì)學(xué)理論的核心內(nèi)容29-32
• 3.2 支持向量機(jī)分類32-37
• 3.2.1 線性可分最優(yōu)超平面支持向量機(jī)32-34
• 3.2.2 非線性支持向量機(jī)34-35
• 3.2.3 核函數(shù)選擇35-37
• 3.3 支持向量機(jī)優(yōu)缺點(diǎn)37
• 3.4 本章總結(jié)37-38
• 4 柴油機(jī)振動(dòng)信號(hào)采集與處理38-71
• 4.1 柴油機(jī)振動(dòng)信號(hào)采集實(shí)驗(yàn)39-44
• 4.1.1 實(shí)驗(yàn)平臺(tái)搭建及所需信號(hào)采集裝置39
• 4.1.2 柴油機(jī)測(cè)點(diǎn)布置與故障設(shè)置39-43
• 4.1.3 柴油機(jī)振動(dòng)信號(hào)采樣頻率設(shè)置與信號(hào)采集43-44
• 4.2 信號(hào)處理44-70
• 4.2.1 小波分析理論46-49
• 4.2.2 信號(hào)小波去噪簡(jiǎn)述49-50
• 4.2.3 小波去噪方法與評(píng)價(jià)指標(biāo)50-52
• 4.2.4 信號(hào)小波去噪具體實(shí)現(xiàn)52-67
• 4.2.5 信號(hào)特征值提取與能量譜分析67-70
• 4.3 本章總結(jié)70-71
• 5 人工蜂群算法優(yōu)化支持向量的柴油機(jī)故障診斷71-85
• 5.1 基本人工蜂群算法實(shí)現(xiàn)步驟71-72
• 5.2 改進(jìn)人工蜂群算法72-73
• 5.3 改進(jìn)人工蜂群算法優(yōu)化支持向量機(jī)的參數(shù)選擇73-75
• 5.4 柴油機(jī)故障分類75-83
• 5.4.1 診斷樣本75-77
• 5.4.2 改進(jìn)人工蜂群算法優(yōu)化支持向量機(jī)的柴油機(jī)故障識(shí)別77-83
• 5.5 本章總結(jié)83-85
• 6 總結(jié)與展望85-87
• 6.1 論文工作總結(jié)85-86
• 6.2 柴油機(jī)故障診斷研究展望86-87
• 參考文獻(xiàn)87-94
• 攻讀碩士學(xué)位期間發(fā)表的論文94-95
• 致謝95-96

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 曹龍漢,曹長(zhǎng)修,孫穎楷,景有泉,郭振;柴油機(jī)故障診斷技術(shù)的現(xiàn)狀及展望[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年06期

2 胡木水;柴油機(jī)故障診斷方法[J];中國水運(yùn);2002年05期

3 王珍,丁子佳,李玉光,李吉;局域波自回歸譜及其在柴油機(jī)故障診斷中的應(yīng)用研究[J];內(nèi)燃機(jī)工程;2004年03期

4 張維新,張俊峰;柴油機(jī)故障診斷技術(shù)趨向分析[J];天津航海;2005年02期

5 臧剛權(quán);楊文位;;柴油機(jī)故障診斷技術(shù)方法綜述[J];農(nóng)業(yè)機(jī)械化與電氣化;2006年06期

6 楊文位;;柴油機(jī)故障診斷的現(xiàn)代方法與展望[J];農(nóng)機(jī)使用與維修;2007年01期

7 劉輝;周志英;;基于動(dòng)態(tài)模糊矩陣的柴油機(jī)故障診斷[J];煤炭技術(shù);2007年08期

8 王德洪;;柴油機(jī)故障診斷的幾點(diǎn)體會(huì)[J];裝備制造技術(shù);2008年01期

9 馬善偉;樂正偉;呂健;劉峗;;柴油機(jī)故障診斷技術(shù)綜述[J];上海第二工業(yè)大學(xué)學(xué)報(bào);2008年02期

10 霍本林;;柴油機(jī)故障診斷系統(tǒng)的研究[J];科技創(chuàng)新導(dǎo)報(bào);2010年29期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 段偉武;宋宜斌;;基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)的柴油機(jī)故障診斷[A];第二十九屆中國控制會(huì)議論文集[C];2010年

2 王鑫;于洪亮;段樹林;宋玉超;;基于遺傳算法選擇優(yōu)化神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[A];2011下一代自動(dòng)測(cè)試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

3 王鑫;于洪亮;段樹林;宋玉超;;基于遺傳算法選擇優(yōu)化神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[A];第十屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集（2011）上冊(cè)[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王珍;基于局域波分析的柴油機(jī)故障診斷方法的研究及應(yīng)用[D];大連理工大學(xué);2002年

2 李宏坤;基于信息融合技術(shù)船舶柴油機(jī)故障診斷方法的研究與應(yīng)用[D];大連理工大學(xué);2003年

3 蔡曉光;柴油機(jī)智能故障診斷系統(tǒng)研究[D];中國礦業(yè)大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 沈紹輝;基于人工蜂群算法優(yōu)化支持向量機(jī)的柴油機(jī)故障診斷研究[D];中北大學(xué);2016年

2 馮陽;故障樹分析和模糊理論在柴油機(jī)故障診斷中的應(yīng)用[D];北京理工大學(xué);2008年

3 宋棟;基于嵌入式的柴油機(jī)故障診斷系統(tǒng)[D];中北大學(xué);2012年

4 王晉;基于粒子濾波信號(hào)處理的柴油機(jī)故障診斷[D];中北大學(xué);2012年

5 韓慧勇;基于多源信息融合的柴油機(jī)故障診斷研究[D];中北大學(xué);2012年

6 劉崢;基于多傳感器信息融合的柴油機(jī)故障診斷系統(tǒng)[D];湖南大學(xué);2010年

7 郭鋼祥;基于局域均值分解和神經(jīng)網(wǎng)絡(luò)的柴油機(jī)故障診斷研究[D];中北大學(xué);2013年

8 劉曉東;基于粗糙集的柴油機(jī)故障診斷的研究[D];大連交通大學(xué);2008年

9 任云鵬;基于曲軸角加速度的柴油機(jī)故障診斷研究[D];電子科技大學(xué);2006年

10 董安;基于形態(tài)濾波和灰色理論的柴油機(jī)故障診斷研究[D];中北大學(xué);2014年

  本文關(guān)鍵詞：基于人工蜂群算法優(yōu)化支持向量機(jī)的柴油機(jī)故障診斷研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：264453