基于第二代小波和多分类器融合的感应电机故障诊断

发布时间：2017-08-02 13:28

  本文关键词：基于第二代小波和多分类器融合的感应电机故障诊断

  更多相关文章： 感应电机故障诊断 二代小波变换 自适应冗余二代小波变换 特征选择 多分类器集成

【摘要】：感应电机作为生产系统中的重要组成部分,在国民经济中占有举足轻重的地位,它是当今用于驱动各种机械和工业设备的最主要装置,其广泛应用于机床、起重卷扬设备、矿山设备等,几乎渗透到了各行各业。然而,一旦电机发生故障,将会影响生产设备的整体性能,耽误生产效率,拖延产品交付,造成经济损失,严重时甚至会造成灾难性的事故。因此,为了满足现代工业对产品质量、产量、生产安排的灵活性等日益增长的需求,研究感应电机的状态检测与故障诊断技术,对于保障生产系统的安全运行和减少生产损失具有重要的意义,且已成为当前科技和工业发展的重要研究课题之一。感应电机发生故障位置多,故障现象复杂,需要科学有效的方法对电机运行时产生的大量的非平稳信号进行分析,从而对电机的故障状况进行判断。近年来迅速发展的非平稳信号处理方法和信息融合技术为感应电机状态检测与故障诊断提供了切实有效的研究思路。本文着重研究了融合第二代小波变换、特征降维和多分类器集成的感应电机故障诊断技术和实现方法,主要工作和研究成果归纳如下：(1)介绍了小波分析的基本理论和二代小波变换方法,并且针对二代小波存在的频率混叠和无法自适应匹配信号局部特征的问题,提出了一种自适应的冗余二代小波变换,根据信号本身的特点自适应地对其进行二代小波变换分解。(2)研究了感应电机在故障状态下定子电流和振动信号中所隐含的故障频率特性,并利用自适应冗余二代小波变换对信号进行处理及特征提取。研究了高维特征降维方法并在介绍几种常见的特征选取方法基础上,着重研究了基于流形学习的多类特征选择算法(Multiple Class Feature Selection, MCFS),利用MCFS算法去除特征矢量中冗余的多余特征。(3)研究基于多分类器集成的感应电机故障诊断方法,通过对电机定子电流信号和振动信号提取出来的特征综合处理和协同分析,构造了自适应权重投票的多分类器融合算法：分别构造分类器,得到每个分类器的故障分类结果后,对测试样本和训练样本进行聚类分析,根据聚类结果针对每一测试样本调整各分类器的权重,从而组合决策出测试样本的故障类型。(4)实验验证了融合二代小波变换、特征降维和多分类器集成的感应电机故障诊断方法的可行性和有效性；将特征降维前后的特征矢量输入分类器,对结果进行对比,以验证MCFS特征选择算法对感应电机故障分类效果的提升效果；对于本文提出的自适应权重多分类器融合方法,实验中设计了一种分类器多种特征、多种分类器一种特征、多种分类器多种特征三种融合方式,分别得到融合结果。实验结果显示,本文所提出的融合二代小波变换、特征降维和多分类器集成的感应电机故障诊断方法能够有效的提升诊断的效果。
【关键词】：感应电机故障诊断 二代小波变换 自适应冗余二代小波变换 特征选择 多分类器集成
【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】：TM346
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-20
• 1.1 课题的研究背景与意义10
• 1.2 感应电机故障诊断技术的研究内容10-11
• 1.3 国内外研究现状11-18
• 1.3.1 电机常用的故障诊断方法11-12
• 1.3.2 信号特征提取技术研究现状12-14
• 1.3.3 小波变换的发展及其在故障诊断中的研究现状14-16
• 1.3.4 特征降维技术研究现状16-17
• 1.3.5 多分类器融合技术研究现状17-18
• 1.4 本文的主要研究内容与章节安排18-20
• 第二章 第二代小波变换及特征选择方法研究20-51
• 2.1 小波分析理论20-22
• 2.1.1 小波分析简介20
• 2.1.2 小波变换20-21
• 2.1.3 离散小波变换21
• 2.1.4 小波包分解21-22
• 2.2 第二代小波变换方法22-36
• 2.2.1 第二代小波简介22
• 2.2.2 第二代小波变换方法22-31
• 2.2.3 第二代小波变换的频率混叠问题及其抑制方法31-36
• 2.3 第二代小波变换的自适应算法36-40
• 2.3.1 第二代小波变换算法的局限性36-37
• 2.3.2 空间自适应冗余第二代小波变换37-40
• 2.4 基于ARSGWPT的感应电机故障特征提取40-43
• 2.4.1 定子电流故障特征提取40-41
• 2.4.2 振动信号故障特征提取41-43
• 2.5 基于流形学习的感应电机故障特征选择43-50
• 2.5.1 特征降维方法概述43-46
• 2.5.2 图谱回归分析46-47
• 2.5.3 稀疏子空间学习47-49
• 2.5.4 多类特征选择算法49-50
• 2.6 本章小结50-51
• 第三章 感应电机故障诊断中信息融合技术研究51-64
• 3.1 信息融合概述51-53
• 3.2 决策层融合算法概述53
• 3.3 常用的决策层融合算法53-57
• 3.4 基于自适应权重投票的多分类器融合算法57-60
• 3.5 多分类器融合算法仿真实验60-63
• 3.6 本章小结63-64
• 第四章 基于ARSGWPT和多分类器融合的感应电机故障诊断64-84
• 4.1 诊断流程64-65
• 4.2 故障模式识别分类器65-69
• 4.2.1 随机森林65-66
• 4.2.2 支持向量机66-68
• 4.2.3 BP神经网络68-69
• 4.3 感应电机数据实验配置69-70
• 4.4 基于ARSGWPT的感应电机故障特征提取70-75
• 4.4.1 振动信号故障特征提取71-73
• 4.4.2 定子电流信号故障特征提取73-75
• 4.5 特征选择算法MCFS对电机故障分类效果影响研究75-78
• 4.6 多分类器融合算法对电机故障分类效果影响研究78-82
• 4.6.1 一种分类器多种特征的分类器融合实验78-79
• 4.6.2 一种特征多种分类器的分类器融合实验79-81
• 4.6.3 多种分类器多种特征的分类器融合实验81-82
• 4.7 本章小结82-84
• 第五章 结论与展望84-86
• 5.1 本文工作总结84-85
• 5.2 未来展望85-86
• 致谢86-87
• 参考文献87-96
• 作者简介96

【相似文献】

中国期刊全文数据库 前10条

1 陈刚,戚飞虎;多分类器结合的人脸识别[J];上海交通大学学报;2001年02期

2 韩宏,杨静宇,娄震;基于层次的分类器组合[J];南京理工大学学报(自然科学版);2002年01期

3 赵谊虹,程国华,史习智;多分类器融合中一种新的加权算法[J];上海交通大学学报;2002年06期

4 王卫东;郑宇杰;杨静宇;;智能分类器方法[J];江苏科技大学学报(自然科学版);2007年01期

5 钟将;冯永;李志国;叶春晓;;基于自适应免疫分类器的入侵检测[J];重庆大学学报(自然科学版);2007年07期

6 叶云龙;杨明;;基于随机子空间的多分类器集成[J];南京师范大学学报(工程技术版);2008年04期

7 赵洋;冀俊忠;李文斌;;基于复杂网络的分类器融合[J];科学技术与工程;2008年14期

8 夏俊;刘金梅;;不同分类器在遥感数据分类中的性能比较[J];价值工程;2013年04期

9 ;逻辑设计讲座——第八讲 标志信号和标志分类器[J];贵州机械;1979年04期

10 N.B.Venkateswarlu ,P.S.V.S.K.Raju ,艾东;一种新的遥感影象快速分类器[J];干旱区地理;1993年04期

中国重要会议论文全文数据库 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

中国重要报纸全文数据库 前1条

1 黄明;精子分类器决定生男生女[N];广东科技报;2000年

中国博士学位论文全文数据库 前10条

1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年

2 张文博;多类别智能分类器方法研究[D];西安电子科技大学;2014年

3 许劲松;智能交通中目标检测与分类关键技术研究[D];南京理工大学;2014年

4 余家林;普通场景视频人脸检测与识别的关键技术研究[D];浙江大学;2016年

5 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年

6 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

7 王U，

本文编号：609560