基于FRFT和流形学习的旋转机械故障诊断方法研究

发布时间：2021-02-21 09:26

　　针对旋转机械复杂的工业环境,为满足其故障诊断的高效性和精确性,本文结合分数阶傅里叶变换（Fractional Fourier transform,FRFT）和流形学习算法,研究了多阶次FRFT变换的单特征提取和多特征融合的故障诊断方法,以解决分数阶次选取难题,并利用FRFT变换的多样性,提高分数域的利用效率。研究了时域、频域和时频域下流形学习的故障诊断方法,并与分数域进行比较。另外,集成本文所研究的FRFT和流形学习算法以及其它常用的信号处理方法,基于MATLAB软件平台,开发了一套基于流形学习的旋转机械故障监测与诊断系统。具体研究内容如下:首先,研究了基于流形学习的常用故障诊断方法。分析了流形学习故障诊断方法的基本流程,介绍了常用的流形学习方法;分析了时域、频域和时频域的特点,构建了其各自的高维特征集。并对流形学习方法的降维融合作用进行了实验验证,结果表明合适的方法和有效的特征空间有利于提高故障诊断效率。其次,针对FRFT方法阶次选择困难和阶次利用效率低下的问题,利用多阶次FRFT融合方法代替单阶次寻优方法,实现了阶次的自动选取,取代原来的人为选择;同时提取多阶次的样本熵特征,充分利... 

【文章来源】：浙江师范大学浙江省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

旋转机械信号分析系统欢迎界面

图 5.2 旋转机械故障监测诊断系统主界面整体系统包括两个页面，进入界面和主界面。进入界面如图 5.1 所示，进面包括系统名称，设计者等信息。主界面如图 5.2 所示，主界面主要集成系需功能，基于界面简洁、操作方便的原则，将每个功能的控件集成模块，对进行排列，布局整个主界面。按照交互流程，系统可分为三部分：信号读取

图 5.3 系统交互流程系统主界面如图 5.4 所示，模块 1 至 8 分别为信号读取、信号时域分析、分析、FRFT 与样本熵特征、经验模态分解、流形学习、显示器、滤波器

【参考文献】：
期刊论文
[1]线性回归与EEMD的滚动轴承剩余寿命预测[J]. 高彩霞,吴彤,付子义.  机械科学与技术. 2019(10)
[2]改进样本熵及其在列车轴承损伤检测中的应用[J]. 李永健,刘吉华,张卫华,熊庆,李鹏.  仪器仪表学报. 2018(09)
[3]基于样本熵和分数阶傅里叶变换的滚动轴承故障特征提取[J]. 郭学卫,申永军,杨绍普.  振动与冲击. 2017(18)
[4]Laplacian双联最小二乘支持向量机用于早期故障诊断[J]. 李锋,汤宝平,郭胤.  振动与冲击. 2017(16)
[5]邻域自适应增量式PCA-LPP在齿轮箱故障诊断中的应用[J]. 邓士杰,唐力伟,张晓涛.  振动与冲击. 2017(14)
[6]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)
[7]应用EMD和双谱分析的故障特征提取方法[J]. 蒋永华,李荣强,焦卫东,唐超,蔡建程,施继忠.  振动.测试与诊断. 2017(02)
[8]基于改进核主元分析的故障检测方法研究[J]. 张珂,宋文丽,石怀涛,周乾.  控制工程. 2017(02)
[9]基于自适应本征维数估计流形学习的相空间重构降噪方法[J]. 马婧华,汤宝平,宋涛.  振动与冲击. 2015(11)
[10]车辆齿轮箱静电监测[J]. 刘若晨,左洪福,孙见忠,李鑫,冒慧杰.  交通运输工程学报. 2015(01)

博士论文
[1]基于决策树和K最近邻算法的文本分类研究[D]. 王煜.天津大学 2006

硕士论文
[1]旋转机械故障特征提取方法研究[D]. 庞彬.华北电力大学 2015



本文编号：3044156