基于HMM/SVM混合模型的核动力旋转机械设备故障诊断方法研究

发布时间：2024-04-19 02:49

　　核动力系统是一个非常复杂的系统,一旦发生问题,就可能产生严重的后果。核动力设备的故障诊断直接关系到装置的安全性和可靠性。本文将隐马尔可夫模型和支持向量机引入到核动力设备的故障诊断中,丰富了诊断的方法和手段,并在仿真实验中取得了良好的效果。 本文对故障信号在幅域、频域、时频域的特征提取技术以及特征选择的具体算法进行了研究,通过对HMM和SVM的基本理论和算法的研究,提出了将HMM的一种改进算法CGHMM应用于混合模型,最终建立了一种新的HMM/SVM混合模型。 本文的主要内容如下: 1、详细介绍了核动力系统故障诊断的研究现状和背景,并分析了基于HMM/SVM混合模型应用于核动力旋转机械设备故障诊断的可行性。 2、分别从振动信号的幅域、频域、时频域对核动力旋转机械设备特征提取的方法进行了研究,重点研究了基于小波分析与小波包能量距的特征提取方法。 3、总结了核动力旋转机械设备常见故障及故障特征,研究了特征提取后特征选择的问题和具体算法。 4、对HMM和SVM的基本原理和算法做了介绍与研究,并提出了一种新的HMM/SVM混合模型。 5、设计了仿真实验方案,对基于HMM/SVM混合模型的诊断方法...

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图2.1故障信号波形图

(f)图2.1故障信号波形图注：图a,b,c,d,e,f分别表示转子不对中、转子不平衡、基座松动、动静件摩擦、轴承滚子故障、齿轮断齿故障状态从图2.1可以看出，转子不平衡中的时域波形近似正弦波，齿轮断齿故障时域波形有明显冲击性脉冲，而其他类型故障很难从其时域波形来判断....

图2.2故障信号幅频图

(f)图2.2故障信号幅频图：图a,b,c,d,e,f分别表示转子不对中、转子不平衡、基座松动、动静件摩擦、轴承滚子障、齿轮断齿故障状态快速傅立叶变换算法的出现使得Fourier变换迅速成为数字信号处理的主17

图2.5显示了信号经小波包分解后各频带信号的频率成分，根据Nyqusit标准可知系统最高探测频率为采样频率的一半，即本次采样最高探测频率为1kHz

按照仿真实验设计方案，在转子不平衡下。以转速为1000r/min时0通道信号为研究对象，每次截取时间为0.2s的一段采样信号为样本进行小波包分析。采用db10小波，对不平衡故障信号进行3层小波包分解，然后对第3层每个小波包节点系数进行重构，得到8个连续....

图2.5三层小波包树结构和各节点信号频率成分图

(b)2.5三层小波包树结构和各节点信号频率成分距的特征提取小波包特征提取原理变换之后，各层高频系数与第N层低频分解之后的总能量保持不变。由此可知征是可靠的。时，其输出信号能量的空间分布与正常系的改变包含着丰富的故障特征信息。利27

本文编号：3958117