基于Volterra级数模型辨识的旋转机械故障诊断方法研究

发布时间：2021-10-10 21:19

　　本文在国家自然科学基金（50775208）和河南省教育厅自然科学基金（2008C460003,2006460005）资助下,研究了基于Volterra级数模型的非线性系统辨识的旋转机械故障诊断方法,并进行了仿真与实验研究,取得了一些创新性成果,本文的主要内容包括：第一章,论述了本课题提出的意义,综述了非线性系统辨识的研究现状,并对基于非线性分析的故障检测与诊断的发展以及国内外的研究应用现状做了阐述。提出了本论文的主要内容与创新之处。第二章,论述了非线性Volterra级数模型理论,给出了Volterra级数的时域表示形式与频域表示形式以及性质。然后,讨论了基于非线性分析的故障检测与诊断理论,本章的内容是是整篇论文的理论基础。第三章,针对一般的最小二乘法在辨识Volterra级数时存在计算量大,数据存储空间占用多的不足,研究了基于递推最小二乘的Volterra级数模型辨识方法,并应用到旋转机械故障诊断中。该方法利用递推求逆的方法避免了对观测矩阵直接求逆,减小了计算量。实验研究了转子从正常状态到碰摩状态下Volterra级数核的变化,结果表明,该方法有着较快的收敛速度和收敛精度,取得了较好... 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

Voh~时域核达到收敛值时的迭代步数将AACO算法辨识出的模型输出和实际输出对比，做出误差曲线，从

【参考文献】：
期刊论文
[1]一种全最小二乘算法及其在非线性滤波器中的应用[J]. 孔祥玉,韩崇昭,魏瑞轩,赵烨.  信号处理. 2005(02)
[2]迁移工作流系统中的迁移域组织与动态迁移实例寻址研究[J]. 李洪霞,王晓琳,曾广周.  计算机工程与应用. 2004(36)
[3]用于连续函数优化的蚁群算法[J]. 陈烨.  四川大学学报(工程科学版). 2004(06)
[4]一类非线性系统的在线建模新方法[J]. 魏瑞轩,孔祥玉,韩崇昭,张优云,吴立勋.  控制与决策. 2004(10)
[5]连续优化问题的蚁群算法研究[J]. 高尚,钟娟,莫述军.  微机发展. 2003(01)
[6]自适应调整信息素的蚁群算法[J]. 覃刚力,杨家本.  信息与控制. 2002(03)
[7]一种自适应蚁群算法及其仿真研究[J]. 王颖,谢剑英.  系统仿真学报. 2002(01)
[8]非线性有限冲激响应Volterra信道的盲辨识[J]. 方洋旺,焦李成,韩崇昭.  西安交通大学学报. 2000(12)
[9]非线性频谱分析在故障诊断中的应用[J]. 李湧,韩崇昭,徐为群,唐晓泉.  西安交通大学学报. 2000(09)
[10]一种新的进化算法——蚁群算法[J]. 张纪会,徐心和.  系统工程理论与实践. 1999(03)



本文编号：3429173