近年來,隨著科學技術(shù)的高速發(fā)展,機械設(shè)備逐漸向自動化,大型化,精密化方向發(fā)展。機械設(shè)備的穩(wěn)定高效運行對提高生產(chǎn)效率,節(jié)約生產(chǎn)成本等具有重要意義。因此,對機械異常進行檢測是十分必要的,這使得機械運行過程中的異常現(xiàn)象能夠及時地被發(fā)現(xiàn),從而盡快采取合理有效的措施,避免重大財產(chǎn)和人身損失。本研究針對機械異常檢測這一核心問題,利用機械運行過程中采集到的振動信號,提出了一種自相似振動信號特征提取方法,并探究其在實際機械設(shè)備異常檢測中的可行性和有效性。通常來說,機械異常檢測過程包括三部分:（1）信號采集;（2）特征提取和（3）異常決策。其中特征提取是最重要和最核心的一步,其決定著異常檢測方法的有效性。本研究提出了一種有效的自相似振動信號特征提取方法,這種方法在利用詞袋模型對機械振動信號進行自相似特征提取的過程中,充分考慮了機械振動信號的結(jié)構(gòu)信息和時序信息。詞袋模型的構(gòu)建是自相似特征提取方法的第一步。本文通過K均值聚類方法,對訓練樣本進行聚類,并將聚類中心和聚類方差記作編碼字,從而構(gòu)建詞袋模型。對于采集到的振動信號,根據(jù)訓練階段構(gòu)建的詞袋模型,三種策略（直方圖策略,嵌入法策略和相關(guān)圖策略）被用于特征組... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

圖１－２機械異常檢測方法??

?山東大學碩士學位論文???［？?？？？?ＪＩ?觀??（＾＼?？／?＼＊?？?）?１?－?ｍａｘ??＾。八??尖?３?類?４?－１?Ｉ?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?＾??Ｖ?Ｊ?Ｖ?１?２?３?４?５?６?７??圖２－１基于輪廓系數(shù)的Ｋ均值聚類方法：（ａ）訓練樣本，（ｂ）第ｉ個樣本的輪廓系數(shù)計算過??程，（ｃ）不同聚類數(shù)目對應(yīng)的全局輪廓系數(shù)，（ｄ）最優(yōu)聚類結(jié)果。??機械振動信號與詞袋模型進行組裝，能夠準確的反映機械狀態(tài)，從而分析機械??出現(xiàn)異常。??２．２自相似特征組裝??自相似特征多用于圖像特征提取，通過比較圖像在前一時刻和后一時刻的??顏色相似信息，提取圖像的特征信息，從而提高圖像的檢索效率和效果［５５］�；�??于這種思想，本文對采集到的振動信號的局部片段進行分析提取到自相似特??征，它考慮了片段內(nèi)振動信號的時間序列信息和結(jié)構(gòu)信息。根據(jù)上文構(gòu)建的詞??袋模型，本文提供了三種自相似特征組裝方式，分別對振動信號進行特征提??齲??需要注意的是，根據(jù)上文詞袋模型己經(jīng)被構(gòu)建為但是在本文提出??的前兩種自相似特征組裝策略（直方圖策略和嵌入發(fā)策略）中，僅詞袋模型中??的｛／＆｝被用于自相似特征組裝，而在第三種相關(guān)圖策略中，詞袋模型仏??被用于自相似特征組裝。這種差別是由于所采用編碼策略自身的計算特性決定??的。??－１２－??

己經(jīng)被廣泛的用于多個??領(lǐng)域。在圖像處理中１５６１，直方圖是一個十分重要的處理要素，通過直方圖中柱??狀圖的分布表示圖像特征，對圖像分割、圖像檢索和圖像分類等具有十分重要??的意義。在品質(zhì)管理中Ｉ５＇直方圖通過對收集到的產(chǎn)品信息進行處理，能夠直??觀的反映產(chǎn)品的質(zhì)量分布情況，為產(chǎn)品合格率的計算以及后續(xù)產(chǎn)品質(zhì)量提高改??進提供依據(jù)。在本文中，將直方圖的思想應(yīng)用到自相似特征組裝中。???監(jiān)測的振動信號???？??詞＾＾型周號最小距離?ｐＴＴｈ?ｈ??丨賴：：卜—各畬??圖２－２基于直方圖策略的自相似特征組裝過程．??直方圖策略實施過程如圖２－２所示，我們首先將采集到的機械振動信號表??示為Ｘ?＝?｛ａ：（？＿１）ｒ＋，，丨，其中ｒｉ是周期數(shù)，ｕ是相位，周期長度。根據(jù)上文構(gòu)建??的詞袋模型〇＾丨４＝?１，．．．，尺，對于第ｎ個周期中的每一個數(shù)據(jù)ｘ（？＿１）：ｒ＋ｌ；分別??利用公式２－５計算它與所有編碼字丨抖丨，Ａ：?＝?１，．．．，尺的距離為丨＜４，．．．，巧＃｝。??＾ｖ，ｋ?＝?ｌｘ（ｎ－ｌ）Ｔ＋ｖ?—?Ｍｆｃｌ）?＾?＝?１，?２，．?．?．?，?ｉＣ?（２－５）??根據(jù)計算得到的丨．，＜人丨尋找與數(shù)據(jù)：Ｔ（？＿１）：ｒ＋？距離最近的編碼字??Ｈｋ?＝?ａｒｇ?ｍｉｎ?ｄ＂?ｋ?（２－６）??ｋｅ｛ｌ，２，－，Ｋ］??并用編碼字＆代替表示數(shù)據(jù)??對第ｎ個周期中的每一個數(shù)據(jù)進行上述計算，最終第ｎ個周期中的每一個數(shù)??都用與其距離最近的編碼字代替，統(tǒng)計每個編碼字出現(xiàn)的次數(shù)構(gòu)成第ｎ個周期??的直方圖札＝?心，２，．．．九，／ｃ｝。對每個周期利用上述操作計算直方圖，原??始信號Ｘ最終被表示為一系列的直方

【參考文獻】：
期刊論文
[1]基于分層嵌入模型推薦系統(tǒng)的研究[J]. 涂剛,涂建新.  科技通報. 2019(05)
[2]探究民航飛機機械故障診斷技術(shù)[J]. 王朋飛.  內(nèi)燃機與配件. 2018(17)
[3]利用時域參數(shù)聯(lián)合統(tǒng)計鉆井泵振動特征提取的研究[J]. 呂苗榮,金育琦,林偉旺.  機械科學與技術(shù). 2017(04)
[4]基于證據(jù)理論和支持向量機的風機故障智能診斷[J]. 李家偉.  吉林大學學報(理學版). 2016(03)
[5]傅里葉分析在信號處理中的仿真[J]. 王小妮,李翠,劉博,吳偉偉,王磊.  通訊世界. 2016(06)
[6]基于稠密局部自相似特征流的圖像配準算法[J]. 徐少平,劉小平,李春泉,胡凌燕,楊曉輝.  光電子.激光. 2013(08)
[7]工程質(zhì)量管理頻數(shù)分布直方圖法探討[J]. 彭錦紅.  價值工程. 2013(17)
[8]隨機共振消噪和EMD分解在軸承故障診斷中的應(yīng)用[J]. 張超,陳建軍.  機械設(shè)計與研究. 2013(01)
[9]信息熵性質(zhì)的數(shù)值分析[J]. 扈國棟.  榆林學院學報. 2012(06)
[10]旋轉(zhuǎn)機械局部故障力的模型診斷及瞬時故障力識別[J]. 姚紅良,李鶴,李小彭,聞邦椿.  機械工程學報. 2007(01)

博士論文
[1]基于流形學習的旋轉(zhuǎn)機械早期故障融合診斷方法研究[D]. 馬婧華.重慶大學 2015

碩士論文
[1]燃氣設(shè)備故障診斷及壽命預(yù)測[D]. 章富成.北京建筑大學 2018
[2]機械壓力機故障診斷系統(tǒng)的研制[D]. 林靜.廣東工業(yè)大學 2013



本文編號：3300381