基于符号化时间序列分析的轴承故障诊断方法研究

发布时间：2017-04-20 04:09

  本文关键词：基于符号化时间序列分析的轴承故障诊断方法研究，由笔耕文化传播整理发布。

【摘要】：轴承是旋转机械设备的关键部件,其可靠性对设备的安全运行至关重要。随着现代工业技术的发展,机械设备中轴承的工作条件越来越苛刻,发生故障的概率越来越大。从历史统计数据来看,轴承是旋转机械发生故障概率最大的部件之一,因此对轴承的故障诊断方法研究具有十分重要的意义。符号化时间序列分析是由符号动力学理论、混沌时间序列分析和信息理论发展起来的一种新的信号分析方法,经过近十几年的迅速发展已经逐渐成熟。将符号化时间序列分析引入到轴承的故障诊断当中,可以为轴承故障诊断提供一种新的解决思路。本文着重研究基于符号概率有限状态机特征提取的轴承智能诊断算法,主要工作和研究成果归纳如下：(1)介绍了符号化时间序列分析的基本理论,在对之前符号化方法总结分析的基础上,提出了一种高效实用的符号化方法：基于概率密度相空间划分的符号化方法。在该方法中,首先对时间序列进行概率密度统计分析,进而确定若干个概率相等的区间,然后对属于特定区间的值赋予一个特定的符号,这样就把原始时间序列转化成了符号时间序列。为了检验该方法的效果,将基于概率密度空间划分的符号化时间序列分析方法用于轴承疲劳实验的异常诊断当中。通过对比实验表明,概率密度符号化方法与传统的空间划分方法相比对异常更加敏感,能够更早的诊断出轴承状态的异常变化。(2)将符号化概率有限状态机扩展到二维空间上,提出了一种基于短时傅里叶变换的二维符号概率有限状态机特征提取方法。相比传统的方法在两个方面做了补充和改进：首先,使用短时傅里叶变换系数代替小波系数作为符号概率有限状态机的输入。其次,对有限状态机中的状态矩阵确定方法进行了改进,提出了一种忽略矩形框中符号排列而只考虑符号分布的策略来对状态进行压缩的方法,这一改进提高了该特征提取方法的计算效率。(3)传统的K-最近邻分类算法,随着训练样本数量增加所需的存储空间与计算时间将大大增长。针对上述局限性提出了一种基于K-means聚类改进的K-最近邻分类算法。该改进算法,首先使用K-means对训练集进行聚类分析,使各类训练样本数量得到压缩,然后使用K个最近压缩样本对未知类型样本进行分类。这一改进提高了算法的计算效率、并避免了样本数量分布不均衡对分类的影响。(4)给出了基于符号化时间序列分析的轴承智能故障诊断方法,并对实际轴承故障信号进行分类诊断。共进行了轴承内圈、球体、外圈三类故障损伤程度的检测,三组实验平均分类正确率为99.00%、92.33%、99.92%,均表现了较高的识别率。为了验证对K-最近邻算法改进的有效性,同时进行了传统K-最近邻算法的对比实验,实验表明本文提出的改进方法,在保证轴承故障诊断效果同时提高了其计算效率并降低了所需存储空间。
【关键词】：符号化时间序列分析 轴承故障诊断 概率有限状态机 K-最近邻分类
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH133.3
【目录】：

• 摘要4-5
• Abstract5-8
• 第一章 绪论8-18
• 1.1 课题的研究背景与意义8
• 1.2 轴承故障诊断8-10
• 1.2.1 轴承结构与常见故障类型8-10
• 1.2.2 轴承故障诊断系统10
• 1.3 国内外研究现状10-16
• 1.3.1 符号化信号分析方法研究现状13-14
• 1.3.2 符号化方法研究现状14
• 1.3.3 符号化概率有限状态机研究现状14-15
• 1.3.4 分类方法的研究现状15-16
• 1.4 本文的主要研究内容与章节安排16-18
• 第二章 符号时间序列分析理论与符号化方法18-31
• 2.1 信号的符号化18-25
• 2.1.1 基于值域的符号化方法19-21
• 2.1.2 基于分布的划分方法21-22
• 2.1.3 概率密度划分方法22-24
• 2.1.4 符号集大小的选择24-25
• 2.2 符号序列特征提取25-27
• 2.3 概率密度划分方法实验验证27-30
• 2.4 本章小结30-31
• 第三章 符号化概率有限状态机31-40
• 3.1 时间序列的时频分析与符号化31-35
• 3.2 二维概率有限状态机模型35-38
• 3.2.1 二维概率有限状态机的“状态”35-37
• 3.2.2 状态矩阵的特征提取37-38
• 3.3 本章小结38-40
• 第四章 改进的K-最近邻分类算法40-49
• 4.1 K-最近邻分类40-44
• 4.1.1 最近邻分类40-42
• 4.1.2 K-最近邻分类42-44
• 4.2 基于K-means聚类改进的K-最近邻分类44-48
• 4.2.1 K-means聚类算法44-46
• 4.2.2 改进的K-最近邻分类算法46-48
• 4.3 本章小结48-49
• 第五章 轴承故障诊断实验验证49-61
• 5.1 基于符号时间序列分析的轴承智能诊断49-50
• 5.2 轴承故障模拟实验50-60
• 5.2.1 不同程度损伤的内圈故障实验51-54
• 5.2.2 不同程度损伤的球体故障实验54-55
• 5.2.3 不同程度损伤的外圈故障实验55-58
• 5.2.4 训练样本数量不均衡对比实验58-60
• 5.3 本章小结60-61
• 第六章 结论与展望61-63
• 6.1 本文工作总结61-62
• 6.2 未来展望62-63
• 致谢63-64
• 参考文献64-72
• 硕士学位攻读期间获得的学术成果72

【相似文献】

中国期刊全文数据库 前10条

1 陈钧;伍云山;;统计技术应用 时间序列分析[J];日用电器;2011年04期

2 张景绘;邱阳;;时间序列分析在振动中的应用[J];振动与冲击;1983年01期

3 黄仁;;时间序列分析及其在机械工程中的应用(一)[J];江苏机械;1984年04期

4 黄仁;;时间序列分析及其在机械工程中的应用(一)[J];江苏机械;1984年04期

5 成志清 ,金瑞琪 ,林松 ,张宝荣;时间序列分析在机床主轴系统动态性能研究中的应用[J];江苏工学院学报;1986年01期

6 TB锐;时间序列分析中的模型定阶策略[J];国防科技大学学报;1988年04期

7 杨建东;于化东;谭云成;;时间序列分析中一些特殊情况的探讨[J];长春光学精密机械学院学报;1988年02期

8 ;《时间序列分析的工程应用》一书即将出版发行[J];振动、测试与诊断;1990年01期

9 陈子荫;时间序列分析——一种预报岩体力学行为的可能途径[J];岩土工程学报;1991年04期

10 阮伟;;时间序列分析与加权残值法[J];同济大学学报(自然科学版);1991年03期

中国重要会议论文全文数据库 前10条

1 高峰;;时间序列分析在顾客满意度中的应用研究[A];第三届中国质量学术论坛论文集[C];2008年

2 郑文衡;陈俊华;严尊国;杨立明;张秋文;;用时间序列分析预报地震的新途径[A];1995年中国地球物理学会第十一届学术年会论文集[C];1995年

3 苏春宏;张宏;;时间序列分析在规划环境影响评价环境背景分析中的应用[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年

4 钟球;蒋莉;周琳;李建伟;陈瑜晖;连永娥;;广东省结核病发病趋势的时间序列分析[A];中国防痨协会科普委员会第十二届学术大会论文集[C];2010年

5 余卫东;闵庆文;;商丘市居民生活消费生态足迹的时间序列分析[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集（下册）[C];2004年

6 李圣明;;时间序列分析及其在变形监测中的应用研究[A];湖北省测绘学会2006年度科学技术交流会论文集[C];2006年

7 郑璐石;郑颖人;;对时间序列分析的建模问题初探[A];水电与矿业工程中的岩石力学问题——中国北方岩石力学与工程应用学术会议文集[C];1991年

8 刘晓斌;;小波网络在经济时间序列分析中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

9 任永建;周锁铨;石顺吉;;2005年南京市PM_(10)浓度时间序列分析[A];中国气象学会2007年年会大气成分观测、研究与预报分会场论文集[C];2007年

10 闵庆文;余卫东;成升魁;;商丘市居民生活消费生态足迹的时间序列分析[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年

中国重要报纸全文数据库 前3条

1 ;统计新书评介[N];中国信息报;2001年

2 本报记者 李爱铭;“小神算”出手,误差仅六千[N];解放日报;2010年

3 早报记者 韩晓蓉　实习生 杨鑫P";高中生用数学模型预测世博客流 平均误差6000人[N];东方早报;2010年

中国博士学位论文全文数据库 前4条

1 聂淑媛;时间序列分析的早期发展[D];西北大学;2012年

2 张晋昕;医学时间序列分析及其预测应用相关问题的研究[D];第四军医大学;2000年

3 王鼐;非线性动力学方法在时间序列分析中的应用[D];复旦大学;2005年

4 鲍漪澜;基于支持向量机的金融时间序列分析预测算法研究[D];大连海事大学;2013年

中国硕士学位论文全文数据库 前10条

1 李雪;基于EMD的变形预测组合模型的研究与应用[D];长安大学;2015年

2 朱学婷;基于RBF-GARCH模型的股指预测研究[D];兰州大学;2015年

3 李岭;基于GARCH与BP-ANN的股价预测能力比较研究[D];西南交通大学;2015年

4 王健;基于时间序列分析的宁夏能源消费预测[D];宁夏大学;2015年

5 朱晓楠;基于聚类和时间序列分析的保险业发展水平研究[D];苏州大学;2015年

6 钱晓东;基于时间序列分析的风电功率预测研究[D];山西大学;2015年

7 赵薇;基于时间序列分析与数据模型的过程报警管理系统[D];电子科技大学;2014年

8 李璐洁;基于时间序列分析的内燃机故障诊断及GUI的设计[D];西安电子科技大学;2014年

9 郭松;基于时间序列分析的基坑沉降监测数据分析研究[D];东华理工大学;2015年

10 陈瑶;基于时间序列分析的我国GDP预测模型[D];苏州科技学院;2015年

  本文关键词：基于符号化时间序列分析的轴承故障诊断方法研究，由笔耕文化传播整理发布。

，

本文编号：317855