分享到:

基于支持向量机的旋转机械故障诊断

目前,虽有一些旋转机械状态监测与故障诊断技术已付诸于工程应用,但实践表明,其在诊断原理、性能和效果等方面尚存在一定不足,有待改进完善。为此,国内外广泛开展了故障诊断新方法的研究,计算机技术、网络技术、信号处理技术和通信技术等现代科学技术的发展,也为此项研究奠定了良好的基础。统计学习理论和支持向量机是近年来出现的崭新的模式识别领域新理论和新技术,已在多个应用领域中表现出其卓越的性能。本文对统计学习理论和支持向量机在旋转机械故障诊断中的应用进行了较全面的研究。主要研究工作和贡献如下:简要介绍了统计学习理论和支持向量机,探讨了适合故障诊断的支持向量机结构,并通过与两种神经网络的对比实验,研究了支持向量机用于故障诊断的优越性。在对实验结果全面分析的基础上,总结出支持向量机在旋转机械故障诊断领域中应用的若干结论。为不平衡和碰摩故障的诊断提供了最优参数和最优特征量;还为支持向量机在不同条件下诊断故障的参数确定,总结出了有效方法。研究发现,统  (本文共126页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于EMD和支持向量机的旋转机械故障诊断方法研究

机械设备的诊断过程包括诊断信息获取、故障特征信息提取和状态识别三部分。其中,故障特征提取和状态识别是诊断的关键。本文将时频分析的新方法—经验模态分解(Empirical Mode Decomposition,简称EMD)和模式识别的新技术—支持向量机(Support Vector Machine,简称SVM)相结合应用于旋转机械故障诊断当中。EMD方法基于信号的局部特征时间尺度,可把信号分解为若干个内禀模态函数(Intrinsic Mode Function,简称IMF)之和,分解出的各个IMF分量突出了数据的局部特征,对其进行分析可以更准确有效地把握原数据的特征信息。此外,由于每一个IMF所包含的频率成分不仅仅与采样频率有关,更为重要的是它还随着信号本身的变化而变化,因此EMD方法是一种自适应的时频局部化分析方法,它从根本上摆脱了Fourier变换的局限性,具有很高的信噪比,非常适用于非平稳、非线性过程。针对旋转机械故障振动信...  (本文共159页) 本文目录 | 阅读全文>>

重庆理工大学
重庆理工大学

基于支持向量机和模糊神经网络的旋转机械故障诊断

旋转机械作为工业部门的核心部件,其运行状态直接影响工业部门的生产。如果运行在非正常状态,轻则造成巨大的经济损失,重则造成人员伤亡产生严重的社会影响。故旋转机械的状态监测与故障诊断具有重要的意义。论文在利用旋转机械故障实验平台模拟五种典型的机械状态的基础上,建立旋转机械故障诊断的支持向量机和模糊神经网络故障诊断模型,有效的实现了这五种机械状态的诊断。五种机械状态分别为转子正常、转子不平衡、转子不对中、轴承内圈裂缝和轴承外圈裂缝。本文主要的研究内容如下:1.在分析现代信号处理方法应用与传统故障诊断思路的基础上,提出了利用频谱幅值较大的频率成分重组信号的方法,并对重组信号提取了31个常用的特征值;同时对五种机械状态的振动加速度信号进行信号重组,对重组信号的频谱进行了相关性分析。相关性分析结果是同类型间的相关系数接近于1,属于强相关性;不同类型间的相关系数较小,属于为弱相关,表明了提取出的信号特征值具有较强的针对性。2.针对二叉树支持向...  (本文共89页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

面向旋转机械的支持向量机方法及智能故障诊断系统研究

大型旋转机械故障诊断的研究对于避免巨额的经济损失和灾难性事故的发生有着重要意义。本论文以支持向量机为理论基础,结合国家自然科学基金项目:“基于独立分量分析的旋转机械故障诊断新方法的研究”(50205025)对智能故障诊断系统进行研究。以旋转机械为研究对象,研究了支持向量机理论和算法及故障诊断模式识别系统,以及基于支持向量机的旋转机械故障模式识别方法,并通过仿真进行验证;设计开发了基于嵌入式系统的振动信号采集器,在LabVIEW和MATLAB平台上构建基于支持向量机的旋转机械故障识别原型系统。全文的主要研究内容如下:第一章论述了大型旋转机械状态监测和故障诊断的意义;介绍了大型旋转机械故障诊断技术的发展和现状;综述了统计学习理论和支持向量机的理论研究和应用发展。最后给出了本论文的主要研究内容,并给出论文的总体框架。第二章介绍了统计学习理论的重点内容以及支持向量机算法的主要思想,并将其引入故障诊断领域;提出了一种基于支持向量机的故障模...  (本文共78页) 本文目录 | 阅读全文>>

昆明理工大学
昆明理工大学

基于HHT和支持向量机的旋转机械故障诊断研究

Hilbert-Huang变换作为一种新的信号处理方法,可以有效的来提取信号特征信息,在旋转机械故障诊断方面有着广泛的应用前景。本文针对EMD所存在的端点问题进行了研究。根据信号两端的波形特征不可能是孤立存在的特点,充分考虑信号自身的变化趋势,提出了半波均值波形延拓方法。同时,针对暂态过程较短,故障瞬间发生,可获得数据较少的情况,本文介绍了一种基于LS-SVM回归的端点延拓方法。端点效应问题得到解决之后,利用Hilbert-Huang变换来对旋转机械故障特征信息进行提取,从而对故障类型进行分类和监测。对故障数据进行EMD分解之后,首先考虑采用基于能量的故障特征提取,把各个IMF分量的能量作为特征向量,并通过LS-SVM分类器来对故障类型进行分类。然而当IMF分量较多的情况下就会产生较多的特征向量,那么就会在分类时占用较多的时间不利于实现故障诊断的实时性,为此本文提出了基于差异度的信息分离方法。利用该方法来筛选出故障信息较为集中的...  (本文共84页) 本文目录 | 阅读全文>>

武汉理工大学
武汉理工大学

基于轴心轨迹组合矩与支持向量机的旋转机械故障诊断研究

在现代机械制造领域,旋转机械制造技术与故障诊断技术随着科学技术的发展和工业企业的要求而快速发展,对应的运行安全性和可靠性的要求也越来越高。轴承与转子作为旋转机械设备的重要元件,其部件失效会引起机械设备其他部件的损坏,呈连锁反应,轻则损坏机械设备,重则酿成事故,危害设备安全及操作员生命,直接影响旋转机械设备的安全性和经济性。因此,对旋转机械工作状况进行监测和故障诊断的研究,具有重大的经济意义和社会意义,本文在对旋转机械轴心轨迹的提纯、识别方法、故障诊断系统及其诊断算法进行了研究,其主要内容如下:(1)根据旋转机械故障原理利用MATLAB建立了轴心轨迹图库,并引入高斯信号建立噪声图库。针对已有的含噪轴心轨迹图,使用小波去噪方法进行图像去噪,通过改变小波去噪硬软阈值参数,对比两种方法的轴心轨迹去噪能力。结果表明:软阈值小波去噪方法的轴心轨迹去噪效果更好。(2)针对去噪后的轴心轨迹,分析图像特征,采用Hu不变矩、小波不变矩作为轴心轨迹的...  (本文共83页) 本文目录 | 阅读全文>>