基于两阶段多准则特征选择模型的滚动轴承故障识别方法研究

发布时间：2020-12-22 08:10

　　针对作为机械设备核心部件的滚动轴承故障识别准确率较低的问题,从信号处理角度将特征评价和选择理论应用于轴承故障诊断。完成了多域特征提取、关键特征选择及变工况下轴承故障诊断等工作。针对特征评价和选择基本理论进行介绍,重点分析了特征评价准则的选取依据和特征选择稳定性评估的必要性。在此基础上建立两阶段多准则特征选择模型,包括基于多准则融合的关键特征选择和基于稳定性分析的稳定特征选择。针对轴承振动信号的非平稳及非线性及单一或单域特征难以准确表征轴承状态变化的问题。建立能够全面描述轴承状态的多域特征集,包括时频域、熵、能量、复杂度及低维重构特征。以此为基础分析了轴承不同状态下各特征域信号的变化特点,根据各状态对应特征样本分布的离散度,对多域特征集中各个特征的类别可分能力进行了初步评价。以建立多域特征矩阵为输入。针对特征矩阵的高维性,首先采用基于lasso正则化和谱聚类相结合的特征选择方法去除特征集中的大量无关特征;其次考虑单一评价准则使用的局限性,融合距离评价准则和相关性评价准则提出基于最大相关最大距离的特征选择方法完成关键特征筛选。针对得到的关键特征集能否完成变工况下轴承故障状态准确识别的问题。... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

特征选择过程

图 2-2 技术路线2.6 本章小结本章主要分为三部分，首先针对特征评价理论和常用选择方法进行介绍；其次重点分析了特征评价准则的选取依据和特征选择稳定性评估的必要性。在此基础上建立了两阶段多准则特征选择模型，包括基于多准则融合的关键特征选择和基于稳定性分析的稳定特征选择；最后针对特征选择模型的算法流程和轴承故障诊断的技术路线进行具体描述。

图 3-1 风电机组传动系统故障模拟实验台承正常状态、内圈故障、外圈故障、滚动体故障信号时间序列如图 ：图 3-2 正常状态时域图 图 3-3 内圈故障状态时域图

【参考文献】：
期刊论文
[1]基于时域指标的滚动轴承故障特征提取方法[J]. 薛小庆,陈博,刘婷.  电子测试. 2018(23)
[2]基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用[J]. 郑近德,潘海洋,戚晓利,张兴权,刘庆运.  电子学报. 2018(02)
[3]不均衡大数据集下的文本特征基因提取方法[J]. 孙晶涛,张秋余.  电子科技大学学报. 2018(01)
[4]基于局部频谱的滚动轴承故障特征提取方法[J]. 苏维均,杨飞,于重重,程晓卿,崔世杰.  电子学报. 2018(01)
[5]基于时频域特征分析的列车轴承缺陷实时检测[J]. 永远,黄小霞,唐媛恬.  西南交通大学学报. 2017(06)
[6]特征选择稳定性研究综述[J]. 刘艺,曹建军,刁兴春,周星.  软件学报. 2018(09)
[7]航空滚动轴承振动特征的故障灵敏度分析与融合技术[J]. 林桐,陈果,张全德,王洪伟,陈立波.  航空动力学报. 2017(09)
[8]大数据下机械智能故障诊断的机遇与挑战[J]. 雷亚国,贾峰,孔德同,林京,邢赛博.  机械工程学报. 2018(05)
[9]基于LTSA与K-最近邻分类器的故障诊断[J]. 姜景升,王华庆,柯燕亮,向伟.  振动与冲击. 2017(11)
[10]风力发电机组故障诊断与预测技术研究综述[J]. 金晓航,孙毅,单继宏,吴根勇.  仪器仪表学报. 2017(05)

博士论文
[1]旋转机械设备关键部件故障诊断与预测方法研究[D]. 沈长青.中国科学技术大学 2014
[2]高维数据的特征选择与特征提取研究[D]. 蒋胜利.西安电子科技大学 2011
[3]滚动轴承振动信号处理及特征提取方法研究[D]. 苏文胜.大连理工大学 2010

硕士论文
[1]基于多特征量的滚动轴承退化状态评估和剩余寿命预测方法研究[D]. 燕晨耀.电子科技大学 2016
[2]高维小样本数据的特征选择研究及其稳定性分析[D]. 宁永鹏.厦门大学 2014
[3]滚动轴承故障诊断的多参数融合特征提取方法研究[D]. 李少军.北京交通大学 2011
[4]基于MIV特征筛选和BP神经网络的滚动轴承故障诊断技术研究[D]. 周莹.北京交通大学 2011
[5]滚动轴承故障诊断中的特征提取与选择方法[D]. 杨慧斌.湖南工业大学 2011
[6]特征选择新算法研究[D]. 冯宗翰.江南大学 2011



本文编号：2931435