隨著工業(yè)智能化和規(guī)模化程度逐步提高,工業(yè)過程中所有加工單元的連接愈發(fā)緊密,一旦有某個(gè)設(shè)備發(fā)生故障將可能導(dǎo)致大范圍生產(chǎn)環(huán)節(jié)的停滯,產(chǎn)生巨大的經(jīng)濟(jì)損失,因此需要保障工業(yè)裝備穩(wěn)定可靠運(yùn)行的有效的方法�，F(xiàn)階段工業(yè)裝備的故障監(jiān)測技術(shù)大多以大樣本數(shù)據(jù)集為基礎(chǔ),而在實(shí)際工業(yè)過程中,往往采集到的故障數(shù)據(jù)量很少,為小樣本故障,其余數(shù)據(jù)都是正常運(yùn)行數(shù)據(jù),這使得一些需要大量故障樣本進(jìn)行訓(xùn)練的故障監(jiān)測方法失效。如今針對工業(yè)裝備故障監(jiān)測方法中有兩個(gè)關(guān)鍵步驟:特征提取以及建立分類模型�；谛盘柼幚淼奶卣魈崛》椒ㄖ�,存在信號分解效果不理想的問題,同時(shí)信號中包含相似故障特征以及噪聲干擾,故障特征提取精度不佳;針對分類模型的研究,由于工業(yè)裝備的故障類別繁多,直接使用二分類模型進(jìn)行分類,可能會(huì)導(dǎo)致計(jì)算量與訓(xùn)練時(shí)長增加,具有一定的局限性。因此開展工業(yè)裝備的小樣本數(shù)據(jù)特征提取和分類模型研究具有重要意義。本文針對故障小樣本的情況,以提升信號處理特征提取精度以及建立更適合多類別多分類模型為目標(biāo),提出工業(yè)裝備的故障監(jiān)測方法。主要工作分為兩方面:(1)針對信號處理小樣本故障特征提取方法,提出了解相關(guān)多頻率經(jīng)驗(yàn)?zāi)B(tài)分解特征提取方法,通...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖3-2第一IMF與第二IMF幅度波形圖

18圖3-2第一IMF與第二IMF幅度波形圖Fig.3-2AmplitudeWaveformofthe1stIMFandthe2ndIMF時(shí)，采樣頻率為44100Hz，我們使2f在50~4000Hz之間次EMD對信號分解，分析結(jié)果如圖....

圖3-3第一IMF與原始信號的誤差波形圖

圖3-3第一IMF與原始信號的誤差波形圖Fig.3-3ErrorWaveformofthe1stIMFandtheOriginalSignal復(fù)雜環(huán)境下采集的振動(dòng)信號中包含大量相近的時(shí)頻域信發(fā)生故障時(shí)，振動(dòng)信號中會(huì)出現(xiàn)較多脈沖和間歇信號，法在分解這種復(fù)....

圖3-6信號x(t)及其兩個(gè)信號分量波形圖

圖3-6信號x(t)及其兩個(gè)信號分量波形圖Fig.3-6WaveformofSignalandItsComponents過3.2.1小節(jié)中分析，EMD方法可以完全分解混合信號，且不出現(xiàn)模必須不滿足120.5f/f2。在仿真信號1中12....

圖3-7EMD分解仿真信號1結(jié)果

圖3-6信號x(t)及其兩個(gè)信號分量波形圖Fig.3-6WaveformofSignalandItsComponents通過3.2.1小節(jié)中分析，EMD方法可以完全分解混合信號，且不出現(xiàn)模態(tài)時(shí)必須不滿足120.5f/f2。在仿真信號1中....

本文編號：3900002