基于粗糙集与核主元分析方法的柴油机故障检测与诊断

发布时间：2017-06-09 11:04

  本文关键词：基于粗糙集与核主元分析方法的柴油机故障检测与诊断，由笔耕文化传播整理发布。

【摘要】：随着当代工业水平的发展，柴油机被越来越广泛地应用于当代工业的各个重要行业当中，但是由于柴油机本身结构的复杂性，加之周边工作环境一般也比较恶劣，使得柴油机故障的发生率与复杂程度也在升高。如果这些故障不能被及时地识别与处理，将会带来不可挽回的经济损失，甚至导致安全事故的发生，所以开展柴油机故障诊断的相关研究是十分有意义的。近年来，基于振动信号的柴油机故障诊断技术在机械故障诊断领域迅速地发展起来，本文主要研究的就是基于振动信号的柴油机故障诊断方法，首先用小波包能量谱方法提取振动信号的特征值，然后提出了将核主元分析方法与粗糙集理论相结合来进行特征值的进一步优化与故障监测，实现了两者在柴油机故障诊断中的优势互补，克服了核主元分析不能在数据处理前删除多余属性与特征值的缺点，有效地减少了核主元分析的计算量，提高了运算效率，但是这一方法只能完成故障的监测，不能完成对故障的分类，本文最后提出了将支持向量机与核主元分析法相结合完成对柴油机故障的分类，并且取得了很好的效果，证明了所用方法的有效性与适用性，为柴油机的故障诊断工作提供了一些理论上的支持。具体的研究内容以及结论归纳如下： (1)熟悉了以振动信号采集为主的柴油机故障诊断实验平台，以某V12缸柴油机为研究对象，重点选取了四个测点上测取的三种转速下包括正常状态等四种工况下的振动信号，为研究工作提供了原始数据。 (2)通过对比分析四层小波包能量谱特征提取方法产生的特征值以及时域特征值对柴油机故障的敏感性，发现前者更适合用于柴油机的故障诊断工作。 (3)针对核主元分析不能在数据处理前删除多余属性和特征值的缺点，提出了首先可以利用粗糙集理论的约简算法对特征值进行筛选的思路方法，在具体实现的过程中，首先构建了柴油机四个测点的工况信息系统决策表，通过分析提出了将SNS离散化算法与等频率划分法相结合的离散化方法，对决策表的连续属性值进行了离散化处理，有效地避免了SNS离散化算法断点太多的缺点，然后利用本文归纳的基于Skowron差别矩阵的决策表属性约简算法对决策表进行了约简。 (4)归纳了基于统计量的核主元分析故障监测算法，并利用核主元分析对四个测点的故障情况进行了监测，通过仿真证明该算法能够较好地监测柴油机有无故障发生，同时也通过对比证明了在核主元分析故障监测之前利用粗糙集减少特征值数量的有效性。 (5)针对核主元分析不能识别故障类型的缺点，将核主元分析与支持向量机相结合，在尽量减少支持向量机输入数据的基础上有效地识别了柴油机的故障种类，进一步减少了运算量，实现了两种算法的优势互补。
【关键词】：柴油机故障诊断 粗糙集 核主元分析 支持向量机 小波包能量谱
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TK428;TP18
【目录】：

• 摘要4-6
• Abstract6-12
• 第一章 绪论12-20
• 1.1 课题研究的背景及意义12-14
• 1.1.1 本课题的研究背景12-13
• 1.1.2 开展柴油机故障诊断的研究意义13-14
• 1.2 柴油机故障诊断的国内外研究现状及发展趋势14-16
• 1.2.1 柴油机故障诊断的研究现状14-15
• 1.2.2 柴油机故障诊断技术的发展趋势15-16
• 1.3 柴油机故障诊断的主要研究内容与现阶段存在的问题16-17
• 1.3.1 柴油机故障诊断技术的主要研究内容16-17
• 1.3.2 现阶段柴油机故障诊断技术存在的主要问题17
• 1.4 本论文的研究内容17-20
• 第二章 柴油机典型故障的机理与振动诊断方法的研究20-31
• 2.1 柴油发动机的工作原理与工作过程20-23
• 2.1.1 柴油发动机的基本组成结构20-22
• 2.1.2 柴油发动机的工作原理与特性22-23
• 2.2 常见的柴油机故障以及诊断方法23-24
• 2.2.1 柴油机故障的分类与表现形式23
• 2.2.2 柴油机故障诊断的主要方法23-24
• 2.3 基于振动信号处理的柴油机故障诊断方法24-26
• 2.3.1 柴油机振动的主要激振源与传播途径24-25
• 2.3.2 基于振动信号处理的故障诊断方法25-26
• 2.4 柴油机振动信号特征值提取方法的确定26-30
• 2.5 本章小结30-31
• 第三章 粗糙集理论与核主元分析法31-46
• 3.1 粗糙集理论的基本概念31-38
• 3.1.1 粗糙集理论中知识表示的相关概念31-34
• 3.1.2 基于信息系统决策表的粗糙集知识约简34-35
• 3.1.3 本文采用的粗糙集决策表离散化方法的提出35-36
• 3.1.4 基于 Skowron 差别矩阵的决策表属性约简算法36-38
• 3.2 核主元分析法（KPCA）38-45
• 3.2.1 核主元分析法的提出背景及原理38-39
• 3.2.2 基于核主元分析法的特征提取39-42
• 3.2.3 基于核主元分析的故障诊断方法42-43
• 3.2.4 核主元分析法的建模与步骤43-45
• 3.3 本章小结45-46
• 第四章 基于粗糙集与 KPCA 的柴油机故障特征提取与监测46-63
• 4.1 实验方案与步骤46-49
• 4.1.1 柴油机故障诊断实验平台的设计46-47
• 4.1.2 柴油机工况分类与测点选取47-49
• 4.1.3 采样频率与转速的设置49
• 4.1.4 实验步骤49
• 4.2 振动信号的特征值提取与优化49-62
• 4.2.1 柴油机原始数据特征值的构建50-52
• 4.2.2 粗糙集信息系统决策表的建立与属性约简52-56
• 4.2.3 基于核主元分析的故障检测56-62
• 4.3 本章小结62-63
• 第五章 基于支持向量机的柴油机故障模式识别63-75
• 5.1 支持向量机（SVM）原理及应用63-68
• 5.1.1 最优分类平面与线性可分 SVM64-66
• 5.1.2 线性不可分 SVM66-68
• 5.2 基于多分类支持向量机的故障诊断方法68-69
• 5.3 基于 KPCA 与 SVM 相结合的故障分类方法69-74
• 5.3.1 故障分类方法的提出69-70
• 5.3.2 柴油机故障分类的具体实现70-74
• 5.4 本章小结74-75
• 第六章 总结与展望75-77
• 6.1 总结75-76
• 6.2 展望76-77
• 参考文献77-81
• 攻读硕士学位期间发表的论文81-82
• 致谢82-83

【参考文献】

中国期刊全文数据库 前10条

1 王新峰,邱静,刘冠军;基于有监督核函数主元分析的故障状态识别[J];测试技术学报;2005年02期

2 曹龙汉,曹长修,孙颖楷,景有泉,郭振;柴油机故障诊断技术的现状及展望[J];重庆大学学报(自然科学版);2001年06期

3 唐友怀;张海涛;罗珊;姜U，

本文编号：435203