EMD和支持向量机在刀具故障诊断中的应用

发布时间：2021-09-24 13:01

　　刀具故障诊断的过程包括诊断信息的获取、故障特征提取和状态识别三个主要部分。其中,故障特征提取和状态识别是诊断的关键。本文将时频分析的新方法——经验模态分解（Empirical Mode Decomposition,EMD）和模式识别的新技术——支持向量机（Support Vector Machine,SVM）结合在一起应用于刀具故障诊断当中。EMD方法基于信号的局部特征时间尺度,可以把原始信号分解为若干个内禀模态函数（Intrinsic Mode Function,IMF）之和,分解出的各个内禀模态函数分量突出了数据的局部特征,对它进行分析能够更加准确的把握原始数据的特征信息,更重要的是,每一个内禀模态函数分量都会随着信号本身的变化而变化,因此,EMD方法是一种自适应的时频局部化分析方法,非常适用于非线性和非平稳信号的分析。支持向量机比神经网络具有更好的泛化能力,它能保证找到的极值解是全局最优解,并且它还较好的解决了小样本的学习分类问题。本文利用EMD方法对原始的刀具信号进行特征提取,然后用支持向量机作为分类器对刀具的故障类型进行了分类,对实验数据的分析结果表明,EMD方法和SVM相结... 

【文章来源】：西华大学四川省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 刀具故障诊断
        1.1.1 刀具故障诊断的目的和意义
        1.1.2 刀具故障诊断的研究现状
    1.2 刀具故障诊断技术的发展
        1.2.1 信号监测
        1.2.2 基于信号处理的刀具故障特征提取方法
        1.2.3 刀具状态识别方法
    1.3 论文研究的目的、内容及结构
2 切削力信号的采集
    2.1 刀具状态的诊断方法
    2.2 切削力信号的测量系统
        2.2.1 切削测力仪
        2.2.2 电荷放大器
        2.2.3 数据采集软件
    2.3 本章小结
3 基于EMD 方法的切削力信号特征提取
    3.1 概述
    3.2 EMD 方法
        3.2.1 EMD 方法分解的基本原理
        3.2.2 Hilbert 谱
        3.2.3 Hilbert 边际谱
        3.2.4 EMD 方法端点效应的处理
    3.3 EMD 方法在信号分析中的应用
        3.3.1 EMD 方法和小波分解方法的比较
        3.3.2 Hilbert 谱与 Winger-Ville 时频谱的比较
        3.3.3 信号的Hilbert 边际谱分析
    3.4 基于内禀模态函数能量的特征提取法
        3.4.1 内禀模态能量熵
        3.4.2 特征向量提取的步骤
    3.5 实验数据分析
        3.5.1 实验数据的采集
        3.5.2 实验数据的特征向量提取
    3.6 本章小结
4 支持向量机分类器
    4.1 概述
    4.2 统计学习理论
        4.2.1 经验风险最小化
        4.2.2 VC 维
        4.2.3 推广性的界
        4.2.4 结构风险最小化
    4.3 支持向量机
        4.3.1 最优分类面
        4.3.2 核函数理论
    4.4 基于支持向量机的状态识别算法
        4.4.1 支持向量机的模型选择
        4.4.2 支持向量机学习性能测试
    4.5 本章小结
5 基于EMD 和支持向量机的刀具故障诊断
    5.1 概述
    5.2 实验及结果分析
        5.2.1 特征提取
        5.2.2 故障分类
    5.3 本章小结
结论
参考文献
攻读硕士学位期间参与的科研项目及发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于虚功原理索杆张力结构强度优化形状分析[J]. 肖南,黄玉香,陈华鹏.  华中科技大学学报(自然科学版). 2011(08)
[2]基于切削力的刀具磨损监测[J]. 何光伟,艾长胜,王娜,樊宁,昃向博.  组合机床与自动化加工技术. 2009(12)
[3]EMD端点效应处理方法的研究[J]. 李敏,程珩,张斌.  太原理工大学学报. 2009(06)
[4]利用小波分析和EMD的机械故障特征提取[J]. 钟晓平,荆建平,王玉花,张丽新.  噪声与振动控制. 2009(04)
[5]基于EMD分解与小波包的滚动轴承故障诊断[J]. 赵协广,戴炬.  轴承. 2009(07)
[6]基于EMD和SVM的传感器故障诊断方法[J]. 冯志刚,王祁,信太克规.  哈尔滨工业大学学报. 2009(05)
[7]一种抑制EMD端点效应新方法及其在信号特征提取中的应用[J]. 曹冲锋,杨世锡,杨将新.  振动工程学报. 2008(06)
[8]内禀模态特征能量法在柱塞泵故障诊断中的应用[J]. 牛慧峰,姜万录,李刚.  机床与液压. 2008(10)
[9]HHT方法在转子振动故障诊断中的应用[J]. 向玲,朱永利,唐贵基.  中国电机工程学报. 2007(35)
[10]基于LabVIEW的刀具磨损在线监控系统[J]. 冯艳,罗良玲,夏林.  制造技术与机床. 2006(12)



本文编号：3407800