基于粒子滤波的齿轮箱故障诊断

发布时间：2017-05-29 17:07

  本文关键词：基于粒子滤波的齿轮箱故障诊断，由笔耕文化传播整理发布。

【摘要】：如果系统是非高斯、非平稳的,粒子滤波能够表现出极佳的优越性。依据粒子滤波的上述特性,本文提出了一种利用粒子滤波对齿轮箱振动信号进行降噪的新方法:在相同条件下,对同一故障的振动信号进行两次测量,将两次测量结果分别作为粒子滤波状态方程的估计值和量测方程的观测值;针对齿轮箱工作的实际情况,将齿轮箱振动信号的噪声定义为一定范围的随机噪声,利用奇异值降噪原理从故障振动信号中提取噪声信号,明确噪声的最大值和最小值,确定噪声的波动范围;联合提取的噪声信号范围以及两次测量结果构造信号的状态方程和量测方程,从而实现对信号的降噪处理。奇异谱熵,功率谱熵,小波能谱熵分别能够从时域和频域反映信号的分布特征,故本文提出可以利用振动信号的三种熵值作为特征向量进行模式识别。粒子群算法搜索速度较快,相关参数较少,但同时容易陷入局部最优和早熟收敛,不能得到全局最优。针对粒子群算法的缺陷,本文对其进行了下述改进:状态超限后对其进行初始化,基于个体最优状态对全局最优进行变异。文章将改进后的粒子群算法应用于支持向量机的参数优化中,并将优化后的支持向量机应用到了齿轮箱故障诊断中。
【关键词】：齿轮箱 粒子滤波 粒子群算法 支持向量机
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TH132.41
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-14
• 1.1 课题研究背景和意义10
• 1.2 齿轮箱故障诊断方法研究10-11
• 1.3 粒子滤波的发展现状11-12
• 1.4 粒子群算法的发展现状12
• 1.5 论文的主要内容12-14
• 第2章 粒子滤波理论14-31
• 2.1 粒子滤波的理论基础14-19
• 2.1.1 贝叶斯估计14-15
• 2.1.2 蒙特卡洛积分15
• 2.1.3 重要性采样15-16
• 2.1.4 序列重要性采样16-17
• 2.1.5 重采样17-18
• 2.1.6 标准粒子滤波算法步骤18-19
• 2.2 粒子滤波算法仿真19-22
• 2.3 粒子滤波降噪仿真22-26
• 2.4 粒子滤波在振动信号处理中的应用26-30
• 2.5 小结30-31
• 第3章 基于信息熵的振动信号特征向量提取31-39
• 3.1 信息熵的基础知识31-33
• 3.1.1 信息熵的定义31
• 3.1.2 奇异谱熵31-32
• 3.1.3 功率谱熵32-33
• 3.1.4 小波能谱熵33
• 3.2 利用三种熵值提取特征向量33-38
• 3.3 小结38-39
• 第4章 基于改进粒子群算法的支持向量机模式识别39-55
• 4.1 粒子群算法的基本思想39-41
• 4.1.1 原始粒子群算法39
• 4.1.2 标准粒子群算法39-40
• 4.1.3 粒子群算法的参数设置40-41
• 4.2 粒子群算法改进策略41-46
• 4.2.1 标准粒子群算法的局限性41-42
• 4.2.2 状态超限之后重新初始化42
• 4.2.3 基于个体最优状态的变异操作42-43
• 4.2.4 改进粒子群算法的流程43
• 4.2.5 改进的粒子群算法的性能分析43-46
• 4.3 支持向量机46-51
• 4.3.1 线性支持向量机46-48
• 4.3.2 非线性支持向量机48-49
• 4.3.3 核函数49-50
• 4.3.4 模型参数的选择50-51
• 4.4 基于改进粒子群算法的支持向量机的模式识别51-54
• 4.5 小结54-55
• 第5章 总结与展望55-57
• 5.1 总结55
• 5.2 展望55-57
• 参考文献57-61
• 致谢61-62
• 在学期间发表的学术论文和参加科研情况62

【相似文献】

中国期刊全文数据库 前10条

1 黄晋英;毕世华;潘宏侠;杨喜旺;;独立分量分析在齿轮箱故障诊断中的应用[J];振动、测试与诊断;2008年02期

2 一民;高速齿轮箱故障诊断技术及其诊断系统通过鉴定[J];振动、测试与诊断;1991年04期

3 戴丽杰;;齿轮箱故障诊断方法[J];黑龙江科技信息;2002年08期

4 高国华 ,张永忠;齿轮箱故障诊断技术的新发展[J];机械传动;2003年06期

5 高永生;唐力伟;王建华;金海薇;;基于系统特性的齿轮箱故障诊断[J];煤矿机械;2006年01期

6 魏秀业;潘宏侠;;齿轮箱故障诊断技术现状及展望[J];测试技术学报;2006年04期

7 邢士勇;金海薇;郑海起;唐力伟;;基于关联距离熵的齿轮箱故障诊断[J];机械工程师;2007年07期

8 吴德会;;一种基于支持向量机的齿轮箱故障诊断方法[J];振动、测试与诊断;2008年04期

9 王华;包磊;宋昊明;郭颖;叶伟;;空分457齿轮箱故障诊断[J];机械研究与应用;2008年03期

10 朱有剑;李建;;基于倒频谱特征提取的齿轮箱故障诊断[J];科技广场;2008年08期

中国重要会议论文全文数据库 前6条

1 蔡安江;豆卫涛;柴彦昌;孙少军;;基于人工神经网络技术的齿轮箱故障诊断应用研究[A];陕西省机械工程学会第九次代表大会会议论文集[C];2009年

2 高永生;唐力伟;甘霖;杨通强;;基于系统特性的齿轮箱故障诊断[A];2005年中国机械工程学会年会论文集[C];2005年

3 李爱民;;基于灰色聚类决策的齿轮箱故障诊断[A];第19届灰色系统全国会议论文集[C];2010年

4 金大玮;李建桥;贾民平;;循环自相关函数在齿轮箱故障诊断中的应用[A];走中国特色农业机械化道路——中国农业机械学会2008年学术年会论文集（上册）[C];2008年

5 董海江;赵春华;万诗庆;汪伟;;LWPEE与SVM在风电齿轮箱故障诊断中的应用[A];第十一届全国摩擦学大会论文集[C];2013年

6 雷亚国;林京;何正嘉;;基于多传感器信息融合的行星齿轮箱故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国博士学位论文全文数据库 前2条

1 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年

2 焦新涛;小波分析及其在齿轮箱故障诊断中应用研究[D];华南理工大学;2014年

中国硕士学位论文全文数据库 前10条

1 李猷凤;齿轮箱故障诊断的小波包-ICA分析方法[D];南京理工大学;2015年

2 鄢小安;基于自适应振动信号处理的齿轮箱故障诊断研究[D];华北电力大学;2015年

3 李楠;基于粒子滤波的齿轮箱故障诊断[D];华北电力大学;2015年

4 陈晗霄;基于虚拟仪器的大型高速齿轮箱故障诊断系统研究[D];电子科技大学;2010年

5 杨成;传动齿轮箱故障诊断系统研究[D];哈尔滨工程大学;2013年

6 范江东;基于粒子群优化与支持向量机的齿轮箱故障诊断研究[D];中北大学;2010年

7 朱兵;局域均值分解方法在齿轮箱故障诊断中的研究[D];中北大学;2010年

8 孙黎明;基于粒子群优化和系统特性的齿轮箱故障诊断研究[D];中北大学;2010年

9 王清;基于模糊聚类和灰色理论的齿轮箱故障诊断研究[D];中北大学;2006年

10 许昕;齿轮箱故障诊断在安全生产中的应用[D];中北大学;2007年

  本文关键词：基于粒子滤波的齿轮箱故障诊断，，由笔耕文化传播整理发布。

本文编号：405322