基于拉普拉斯特征映射算法的旋转机械故障诊断研究

发布时间：2019-04-22 16:48

【摘要】：旋转机械的数量在现代机械设备中占有很大比例,旋转机械运行状态监测和故障诊断分析,对保障设备运行安全和企业生产效益至关重要。复杂系统的旋转机械在出现故障时所监测到的振动信号具有明显的非线性特性,使用传统时频方法难以从复杂信号中提取出有效特征量。为了及时、准确地识别和诊断出故障状态,从监测信号中提取出有效信息量,本文将目前普遍认可并广泛采用的非线性高维数据处理方法,引入到旋转机械的旋转零部件——滚动轴承、齿轮以及转子的故障诊断中,对目前主要的流形学习方法从理论上进行分析,找出适用于机械故障诊断领域的流形学习方法——拉普拉斯特征映射LE算法,并对旋转机械三大旋转零部件的故障进行仿真和模拟实验识别。本论文的主要研究内容如下:(1)分析归纳了滚动轴承、齿轮以及转子的各种运行故障和失效形式,阐述了以振动信号测试为基础的时域、频域和时频域信号分析和故障特征提取方法,研究提出了以30个特征向量构造一个含有设备运行状态信息的高维特征空间。重点应用各种非线性状态识别方法研究了从高维空间识别旋转设备运行状态,最后成功地将非线性流形学习方法--拉普拉斯特征映射算法应用于旋转设备的故障识别中。(2)对目前主要的流形学习方法进行了理论分析,从降维过程中保持流形的拓扑结构特征整体性角度的不同,可分为:全局特性保持和局部特性保持两类,并对三个经典的、具有不同特性的高维非线性数据集swissroll、swisshole及puncturedsphere进行降维处理,对比验证各种方法识别的有效性。从理论分析和降维实验结果中发现拉普拉斯特征映射le算法表现出强烈的“物以类聚,人以群分”的性质,符合模式识别中的聚类特性分析,提出将le算法应用到旋转机械的故障诊断分类识别中。(3)针对流形学习算法中近邻值k和样本点n两个参数选择的问题,通过目前6种经典的流形学习算法分别对两组经典高维数据集进行降维分析,综合考虑降维得到的二维结果图和所需时间等因素,确定近邻值k的取值范围为8-12,对于拉普拉斯特征映射le算法k值取值为8;样本点数应高于800,但也不宜过多。(4)根据模式识别方法和降维方法特性,提出使用由时域特征量、小波包分解和emd分解得到的各频带所具有能量在总频带中所占能量比作为原始特征量构建高维特征空间,将旋转设备的各种运行状态信息融合在一个高维数据空间内,进而使用各种非线性降维学习方法识别设备运行状态。(5)本文将拉普拉斯特征映射le算法分别应用到滚动轴承、齿轮箱和转子的故障分类识别方法中。按照由简单到复杂的原则,先使用模拟仿真信号进行可行性探究,继而对复杂的实测故障信号进行分类识别,以证明le算法在滚动轴承、齿轮箱和转子系统故障识别中的有效性和可行性。(6)为了与三种传统方法pca、mds(线性方法)和kpca(非线性核方法)的降维结果进行对比,采用了三维图像直观地表示故障样本分类效果;使用样本平均识别率、类间距Sb、类内距Sw和类间距与类内距的对数ln(Sb/Sw)四个量化参数,证明了LE算法所提取得到的前三维特征量所包含的设备运行状态信息量的比重大,在滚动轴承、齿轮箱和转子系统中故障样本分类识别中具有一定的优越性。综上所述,LE方法在旋转机械的故障样本识别中,比传统线性方法、甚至核方法KPCA具有更好的分类识别效果,将LE算法运用到机械设备的状态识别和故障诊断中,对更好地解决工程的实际问题具有重要意义。
[Abstract]:......
【学位授予单位】：太原理工大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TH17

【相似文献】

相关期刊论文 前10条

1 刘志勇;;基于保距与保拓扑的流形学习算法[J];长江大学学报(自然科学版)理工卷;2010年02期

2 周华;蔡超;丁明跃;;基于流形学习和流形高阶近似的图像距离度量[J];华中科技大学学报(自然科学版);2012年03期

3 黄鸿;李见为;冯海亮;;融合局部和全局结构的流形学习[J];光学精密工程;2009年03期

4 贺广南;杨育彬;;基于流形学习的图像检索算法研究[J];山东大学学报(工学版);2010年05期

5 金波;;基于年龄流形的人脸图像年龄识别[J];中国新技术新产品;2011年01期

6 高峥;杜川;;基于流形学习算法的人脸识别研究[J];河南机电高等专科学校学报;2011年04期

7 詹炜;;流形学习算法概述[J];武汉船舶职业技术学院学报;2013年02期

8 丁玲;唐娉;李宏益;;基于流形学习的混合光谱解混分析[J];红外与激光工程;2013年09期

9 顾艳春;;一种基于线性插值的流形学习算法[J];佛山科学技术学院学报(自然科学版);2013年01期

10 张辉远;;基于高光谱影像的流形学习降维方法近邻畸变分析[J];铁道勘察;2014年02期

相关会议论文 前4条

1 宋欣;王娟;张斌;叶世伟;;流形学习算法分析及在人脸数据库上的应用[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年

2 刘晓平;季浩;邓伟财;;基于流形学习的非线性系统可视化算法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

3 何慧;陈博;郭军;;基于流形学习的半监督文本情感分类算法[A];第五届全国信息检索学术会议论文集[C];2009年

4 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

相关博士学位论文 前10条

1 苏祖强;基于泛化流形学习的风电机组传动系统早期故障诊断方法研究[D];重庆大学;2015年

2 马婧华;基于流形学习的旋转机械早期故障融合诊断方法研究[D];重庆大学;2015年

3 邢向磊;流形学习与稀疏表示在模式识别中的应用[D];南京大学;2013年

4 卢磊;机械加工过程中的早期故障微弱信号处理方法研究[D];哈尔滨工业大学;2016年

5 郝中华;基于微分流形的非线性降维方法研究[D];上海大学;2016年

6 黄红兵;层次流形学习及其在监督分类中的应用[D];上海交通大学;2015年

7 杜春;流形学习及其应用算法研究[D];国防科学技术大学;2014年

8 李月仙;基于拉普拉斯特征映射算法的旋转机械故障诊断研究[D];太原理工大学;2016年

9 李俊;基于智能优化的特征选择及分类方法研究[D];武汉大学;2014年

10 黄鸿;图嵌入框架下流形学习理论及应用研究[D];重庆大学;2008年

相关硕士学位论文 前10条

1 胡浩松;基于流形学习的旋转机械故障识别方法研究[D];燕山大学;2015年

2 丁春涛;基于图嵌入的判别近邻分析研究及应用[D];苏州大学;2015年

3 余婵娟;交互式人脸检索中人机人脸认知一致性研究[D];上海大学;2015年

4 陈明霞;基于半监督的多流形学习算法研究[D];华侨大学;2015年

5 顾阳阳;基于流形学习的雷达辐射源识别技术[D];西安电子科技大学;2014年

6 高汉宇;基于最优r-覆盖堆积数本征维数估计方法及其应用[D];西安电子科技大学;2014年

7 罗廷金;基于流形学习的数据降维算法研究[D];国防科学技术大学;2013年

8 周韵然;基于流形学习的A股上市公司抽样的信用评价[D];电子科技大学;2014年

9 史仍浩;基于流形学习的在线社会网络节点分类[D];上海交通大学;2013年

10 陈诗文;流形学习在数据降维中的应用研究[D];浙江工业大学;2015年

，

本文编号：2463010