基于模型优化VPMCD的滚动轴承故障诊断方法

发布时间：2017-11-12 17:10

  本文关键词：基于模型优化VPMCD的滚动轴承故障诊断方法

  更多相关文章： 滚动轴承 故障诊断 QGA-VPMCD R-VPMCD K-VPMCD ASTFA降噪 AKVPMCD AN流行学习方法

【摘要】：滚动轴承在机械设备中主要起着承受和传递载荷的作用,是机械设备中最易损伤的元件之一。一旦滚动轴承出现故障很可能导致整个机械设备不能够正常运行,严重时甚至引起整条生产链的瘫痪,将造成不可估量的损失,甚至严重的人员伤亡安全事故。因此,对其运行状况进行实时的监测和诊断有着非同一般的价值和意义。本质上讲,滚动轴承的故障诊断是一个模式识别过程。基于所提取特征参数之间存在的相互内在关系Raghuraj等人提出了基于多变量预测模型的模式识别方法(Variable predictive mode based class discriminate,简称VPMCD)。该方法采用数学回归模型对所提取特征参数间的内在关系进行定量描述,通过样本训练选取适当的数学模型与阶次建立最佳预测模型,在样本测试阶段用所建立的最佳预测模型对样本进行预测并以预测误差平方和最小为判据,进行分类识别。本文针对VPMCD方法所建立模型在特征值间关系复杂时预测拟合精度不足的缺陷,提出了基于优化模型、替代模型、优化替代模型的几种改进方法,改进后的VPMCD方法经实验验证能够有效地应用于滚动轴承的故障诊断。论文的主要研究内容如下:1、将VPMCD方法和广泛应用的人工神经网络、支持向量机进行了对比分析,通过UCI标准数据对这三种模式识别方法进行了实验对比,结果分析表明了VPMCD方法的有效性。2、针对VPMCD方法所建立的最佳模型只选择了一种数学回归模型,模型比较单一,不能够完全描述所提取特征参数间的关系而缺乏预测精度的缺陷,采用量子遗传算法(Quantum genetic algorithm,简称QGA)加权全部四种回归模型,优化其权值,建立一个加权综合模型,能够更好的对样本进行预测。3、针对VPMCD中所提供的四种数学回归模型在面对所提取特征值间关系复杂程度高时拟合预测能力欠缺的问题提出了两种预测能力强的替代模型,即R-VPM模型和Kriging模型,并分别提出了基于这两种替代模型的改进方法。4、将人工鱼群智能算法应用于对Kriging几种相关模型的加权优化提出了AKVPMCD方法。提出了一种新的降噪方法——ASTFA相关准则降噪法,并将其结合AKVPMCD应用于背景噪声较强的滚动轴承故障诊断。首先将滚动轴承振动信号采用ASTFA降噪方法有效地滤除背景噪声,提取特征值,然后应用经鱼群算法优化几种Kriging相关模型权值的AKVPMCD进行分类诊断识别。实例分析表明ASTFA降噪结合AKVPMCD能够有效的应用于滚动轴承的故障诊断。针对通过提高特征维数和增加特征数目获得大量故障信息的同时通常会伴随着信息冗余和“维数灾难”的问题提出了自编码网络(Autoencoder Network,简称AN)流行学习维数约简方法,经维数约简后将AKVPMCD方法应用于滚动轴承的故障诊断取得了显著的效果。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH133.33

【相似文献】

中国期刊全文数据库 前10条

1 张益纯,刘振娟;滚动轴承故障分析探讨[J];内燃机配件;2000年03期

2 秦恺,陈进,姜鸣,陈春梅;一种滚动轴承故障特征提取的新方法——谱相关密度[J];振动与冲击;2001年01期

3 邓长春;;声发射法在滚动轴承故障识别中的应用[J];试验技术与试验机;2002年Z2期

4 任昭蓉;滚动轴承故障的小波诊断法[J];机械制造与自动化;2004年06期

5 陆爽,田野;滚动轴承故障特征识别的时频分析研究[J];机床与液压;2005年06期

6 江涌;基于余弦调频小波变换的滚动轴承故障研究[J];机械设计与制造;2005年06期

7 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期

8 陈洪军;赵新泽;王延军;;滚动轴承故障试验台的理论建模分析[J];四川理工学院学报(自然科学版);2005年04期

9 李崇晟;滚动轴承故障的非线性诊断方法[J];轴承;2005年05期

10 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期

中国重要会议论文全文数据库 前10条

1 张益纯;;常见滚动轴承故障诊断的技术探讨[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 刘玉林;;货车滚动轴承故障不分解诊断技术参数选择与优化探讨[A];扩大铁路对外开放、确保重点物资运输——中国科协2005年学术年会铁道分会场暨中国铁道学会学术年会和粤海通道运营管理学术研讨会论文集[C];2005年

3 杨积忠;左立建;;滚动轴承故障诊断实例[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

5 李放宁;;峰值能量在滚动轴承故障诊断中的应用[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

6 何斌;戚佳杰;;小波分析在滚动轴承故障诊断中的应用研究[A];第九届全国振动理论及应用学术会议论文集[C];2007年

7 张九军;;常见滚动轴承故障的简易诊断[A];2008年全国炼铁生产技术会议暨炼铁年会文集（上册）[C];2008年

8 李兴林;;滚动轴承故障诊断技术现状及发展[A];2009年全国青年摩擦学学术会议论文集[C];2009年

9 唐海峰;陈进;董广明;;信号稀疏分解方法在滚动轴承故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

10 高耀智;;高阶统计量与小波分析相结合在滚动轴承故障诊断中的应用[A];2009年全国青年摩擦学学术会议论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 郝腾飞;航空发动机滚动轴承故障的核方法智能识别技术研究[D];南京航空航天大学;2014年

2 廖强;约束独立分量和多小波分析在滚动轴承故障诊断中的应用[D];电子科技大学;2016年

3 曾鸣;基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用[D];湖南大学;2016年

4 于江林;滚动轴承故障的非接触声学检测信号特性及重构技术研究[D];大庆石油学院;2009年

5 杨柳松;基于小波分析与神经网络滚动轴承故障诊断方法的研究[D];东北林业大学;2013年

6 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

7 赵协广;基于小波变换和经验模态分解的滚动轴承故障诊断方法研究[D];山东科技大学;2009年

8 侯者非;强噪声背景下滚动轴承故障诊断的关键技术研究[D];武汉理工大学;2010年

9 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年

10 孟涛;齿轮与滚动轴承故障的振动分析与诊断[D];西北工业大学;2003年

中国硕士学位论文全文数据库 前10条

1 李玉奎;基于非平稳信号分析的滚动轴承故障诊断研究[D];燕山大学;2015年

2 卜勇霞;基于时频分析方法的滚动轴承故障诊断研究[D];昆明理工大学;2015年

3 马宝;基于KICA和LSSVM的滚动轴承故障监测及诊断方法[D];昆明理工大学;2015年

4 王德丽;基于改进HHT与SVM的滚动轴承故障诊断方法研究[D];北京交通大学;2016年

5 邵海贺;基于EEMD和最小二乘支持向量机的滚动轴承故障诊断方法研究[D];长春工业大学;2016年

6 张磊;滚动轴承故障程度和工况不敏感智能诊断方法研究[D];华东交通大学;2016年

7 胡猛;基于局部均值分解的滚动轴承故障诊断方法研究[D];燕山大学;2016年

8 苏翠娇;AMD和EMD方法在滚动轴承故障诊断中的应用研究[D];燕山大学;2016年

9 王腾超;基于振动监测的风电机组滚动轴承故障诊断应用研究[D];燕山大学;2016年

10 李亚超;基于VMD的滚动轴承故障诊断方法研究[D];石家庄铁道大学;2016年

，

本文编号：1176824