非线性振动信号预测方法研究

发布时间：2017-08-16 20:20

  本文关键词：非线性振动信号预测方法研究

  更多相关文章： 振动信号 预测模型 回声状态网络 相空间重构 小波分析

【摘要】：振动现象无处不在。一些利用振动性质制造的设备、仪器广泛应用于工程界。虽然有些情况下振动的应用给实际工程作业带来很大便利,但大多情况下振动的存在严重危害机械设备的安全运行。随着科技的进步、工业技术的发展,各种设备、仪器日趋复杂化、重载化、精密化,振动对设备安全、工作性能的不利影响也越来越突出,同时对机械系统的振动控制、状态监测等提出新的挑战。传统的振动系统建模大都是建立在一定假设基础上的精确数学模型,在实际应用有一定的局限性。本文从振动时间序列角度,利用神经网络、支持向量机等智能算法建立振动序列的预测模型。所选择的样本数据为某空间相机平台的振动幅值信号。首先,本文引入BP神经网络、支持向量机和回声状态网络,利用这三种算法建立振动信号的多步预测模型,并比较了三种建模方法的优劣。同时根据三种预测建模方法的特点,提出BP神将网络与支持向量回归机(SVR)的组合模型,即BP-SVR模型。整体比较上述四种模型的振动预测性能,回声状态网络在振动序列预测中表现优越。随后引入相空间重构技术,对振动序列进行相空间重构分析,挖掘振动信号内部存在的隐含信息。按照最佳嵌入维数和最优时间延迟对相点分组预测,选择预测性能最优的回声状态网络,以最佳嵌入维数作为网络的输入层数,对每组相点建立多步预测模型。仿真结果表明,在保证一定预测精度的情况下,此方法有效的延长了振动预测模型的预测步长。为了实现对振动的长时间预测,本文引入小波分析。首先对原始振动信号实施小波分解和重构,将振动序列的变化平缓化,再对小波重构后的序列进行相空间重构,同样按照最佳嵌入维数和最优时间延迟对相点分组,对每组相点建立多步预测模型。仿真结果表明,此方法大大延长了模型的预测时间,证明了此种方法对振动序列长时间预测的有效性。
【关键词】：振动信号 预测模型 回声状态网络 相空间重构 小波分析
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB53;TN911.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-18
• 1.1 课题研究的背景及意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 振动控制11-14
• 1.2.2 时间序列研究现状14-16
• 1.3 本文的主要工作16-18
• 第2章 振动信号预测建模方法18-30
• 2.1 人工神经网络18-22
• 2.1.1 BP神经网络19-21
• 2.1.2 BP神经网络训练过程21-22
• 2.2 支持向量机22-24
• 2.2.1 线性回归原理22-24
• 2.2.2 非线性回归原理24
• 2.3 回声状态网络原理24-28
• 2.3.1 回声状态网络的训练25-27
• 2.3.2 回声状态属性27
• 2.3.3 回声状态网络的关键参数27-28
• 2.4 本章小结28-30
• 第3章 振动信号多步预测模型30-40
• 3.1 模型数据样本介绍30
• 3.2 单一模型建立30-35
• 3.2.1 模型的训练和测试31
• 3.2.2 支持向量机模型31-32
• 3.2.3 BP神经网络模型32
• 3.2.4 回声状态网络模型32
• 3.2.5 仿真比较32-35
• 3.3 BP-SVR模型35-37
• 3.4 仿真结果分析37-38
• 3.5 本章小结38-40
• 第4章 基于相空间重构理论的振动趋势长时间预测40-62
• 4.1 相空间重构40-43
• 4.2 基于相空间重构的振动多步预测模型43-50
• 4.2.1 基于相空间重构的振动预测建模方法43-45
• 4.2.2 振动预测实例分析45-50
• 4.3 基于小波变换与相空间重构的振动长时间预测模型50-60
• 4.3.1 小波变换50-52
• 4.3.2 基于小波分析与相空间重构的振动预测建模方法52-55
• 4.3.3 振动预测实例分析55-60
• 4.4 本章小结60-62
• 第5章 结论与展望62-64
• 5.1 全文总结62-63
• 5.2 展望63-64
• 参考文献64-69
• 攻读硕士学位期间发表的论文69-70
• 致谢70

【相似文献】

中国期刊全文数据库 前10条

1 张成;王兴春;;空中机动目标航路预测模型[J];火力与指挥控制;2007年09期

2 李楷;;论汽车整车库存预测模型的构建[J];现代商贸工业;2008年05期

3 赵国清;张少勇;;关于成长曲线预测模型参数识别的一点看法[J];哈尔滨科学技术大学科学报告会论文摘要汇编;1985年S1期

4 左常勇;;随机疲劳寿命分布预测模型[J];机械强度;1988年02期

5 ;《节能管理和预测模型》[J];中国能源;1991年08期

6 刘沐宇,郑泽岱;灰色预测模型及在巷道收敛位移中的应用[J];非金属矿;1992年05期

7 张步涵;郑琢非;;灰色预测模型在农电规划中的应用[J];水电能源科学;1993年02期

8 陈淑敏;王秀英;;指数预测模型及参数识别[J];哈尔滨科学技术大学学报;1993年03期

9 陈传波,刘广宇;实时参量预测模型及其分析[J];湖北工学院学报;2001年04期

10 梅国建;张向波;徐宗昌;温再华;;基于支持向量分类的装备完好性预测模型[J];装甲兵工程学院学报;2009年01期

中国重要会议论文全文数据库 前10条

1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年

7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年

8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

中国重要报纸全文数据库 前10条

1 刘庆;“预测模型”要缓行[N];网络世界;2006年

2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

3 南方日报记者 彭琳　实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年

4 本报记者 张超;预测模型：推算SARS起落潮[N];科技日报;2003年

5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年

6 BMC首席IT技术官 Mahendra Durai　IDC顾问 Eric Hatcher Randy Perry;预测智能：管理复杂基础架构的锁钥[N];中国计算机报;2010年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 杨宜勇（作者为国家发改委经济研究所副所长）;发挥信息化对就业的“增补效应”[N];第一财经日报;2005年

9 本报记者 汤浔芳　实习记者 董文萍;“孵化器”模式：大数据的垂直运营样本[N];21世纪经济报道;2014年

10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年

中国博士学位论文全文数据库 前10条

1 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年

2 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年

3 吴利丰;分数阶灰色预测模型及其应用研究[D];南京航空航天大学;2015年

4 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年

5 文江平;农村地区成人2型糖尿病发生风险相关生物标志物的筛选及预测模型的建立[D];中国人民解放军医学院;2016年

6 白云鹏;华法林稳态剂量预测模型在瓣膜置换术后抗凝治疗中的应用[D];天津医科大学;2016年

7 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年

8 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

9 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

10 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

中国硕士学位论文全文数据库 前10条

1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年

2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年

3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年

4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年

5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年

6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年

7 李霄;基于提升小波和最小二乘支持向量机的风电功率预测[D];上海交通大学;2015年

8 杨雪梅;基于TM影像的沱江中游土壤重金属预测研究[D];四川农业大学;2015年

9 朱帅军;高铁动车组故障预测与健康管理关键技术的研究[D];北京交通大学;2016年

10 田玉珂;基于TM数据的川东北低山区土壤肥力因子空间分布反演研究[D];四川农业大学;2014年

，

本文编号：685334