基于核主元分析与信息熵的柴油机故障诊断

发布时间：2017-08-01 23:00

  本文关键词：基于核主元分析与信息熵的柴油机故障诊断

  更多相关文章： 柴油机 故障诊断 小波包降噪 分块核主元分析 信息熵 神经网络 D-S证据理论

【摘要】：在科学技术日新月异的今天，人们对机械设备的要求越来越高。柴油机作为最常见的往复式机械设备，被广泛应用于汽车、飞机、船舶及工农业的各个领域。但由于柴油机自身结构复杂及工作环境恶劣等因素，导致柴油机故障的多发性与多样性。如何及时发现并有效、快速的诊断与处理故障已成为国内外学者孜孜不倦的动力与研究内容。 本文以R6105AZLD柴油机为研究对象，通过故障设置及信号采集系统来获得原始信号。在此基础上提出了基于核主元分析及信息熵的柴油机故障诊断方法。小波包降噪继承了小波多辩多析的特点，又克服了小波降噪对高频信号处理较弱的缺点，能够更好的提高时频分辨率。通过改进并重新设计核函数，利用核主元分析在处理非线性信号方面的独特优势，将非线性耦合关系的小波包降噪数据映射到高维特征空间，在高维特征空间中进行线性的主元分析；针对柴油机短时振动信号，从信号的定量描述方法出发，利用延时嵌陷、基线漂移信号修复等技术，分别对振动信号进行时域奇异谱熵（TSE）、功率谱熵（PSE）、小波奇异谱熵（WSE）、小波能量谱熵（WEE）、小波时间熵（WTE）的特征提取；并在此基础上分析了模糊C均值聚类法在故障诊断方面的应用与优缺点，并做进一步改进，采用模糊C核聚类的方法来进行故障诊断；最后通过D-S证据与BP神经网络融合实现了系统的优化，降低了单一诊断方法的不确定性，提高了对故障诊断结果的准确性，，从而实现了柴油机故障诊断一套完整的诊断方法。
【关键词】：柴油机 故障诊断 小波包降噪 分块核主元分析 信息熵 神经网络 D-S证据理论
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TK428
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-18
• 1.1 选题背景和依据10-11
• 1.2 本课题研究目的和意义11-12
• 1.3 柴油机故障诊断研究现状12-13
• 1.4 核聚类理论的研究发展13-14
• 1.5 基于信息熵算法的故障诊断研究14-15
• 1.6 模糊 C 均值聚类的研究现状15-16
• 1.7 本文研究内容16-18
• 2 柴油机故障机理简析18-27
• 2.1 引言18-19
• 2.2 柴油机的基本结构与常见故障19-23
• 2.2.1 柴油机的基本结构及作用19-20
• 2.2.2 柴油机常见故障20-22
• 2.2.3 柴油机常见故障原因分析22-23
• 2.3 柴油机发展所面临的挑战23-24
• 2.4 柴油机故障特点24-25
• 2.5 柴油机故障诊断技术发展方向25
• 2.6 振动信号特性分析25-26
• 2.7 柴油机特征提取方法26
• 2.8 总结26-27
• 3 柴油机故障诊断实验及分析27-34
• 3.1 引言27-28
• 3.2 实验用柴油机基本概况28
• 3.3 柴油机测试系统28-30
• 3.4 柴油机传感器的安装与故障设置30-32
• 3.4.1 柴油机测点位置的选择30-31
• 3.4.2 故障设置31-32
• 3.5 振动信号采样频率设置32
• 3.6 实验步骤及说明32-33
• 3.7 小结33-34
• 4 信号的特征提取34-66
• 4.1 柴油机振动特征34-35
• 4.1.1 时频域统计特征34-35
• 4.2 频谱分析特征值35-37
• 4.3 小波包降噪及提取特征值37-42
• 4.3.1 小波及小波包变换37-38
• 4.3.2 小波包对柴油机振动信号降噪的基本步骤38-39
• 4.3.3 选择不同的消失距 dB 系小波包降噪39
• 4.3.4 正常信号小波包分析及特征值提取39-42
• 4.4 核主元分析算法42-46
• 4.4.1 核主元分析（KPCA）基本概念42-43
• 4.4.2 基本定理及运算43
• 4.4.3 常用的核函数及各特点43-45
• 4.4.4 核主元分析的基本算法45-46
• 4.5 核主元分析故障判断准则46-47
• 4.6 核主元分析法故障诊断步骤47-48
• 4.7 利用核主元方法特征值提取及故障诊断48-53
• 4.8 信息熵在信号特征提取中的应用研究53
• 4.9 传统信息测度的局限性53-54
• 4.10 基于小波变换的时-频域信息熵54-58
• 4.10.1 小波奇异谱熵(wavelet Singular Entropy：WSE)54-56
• 4.10.2 小波能谱熵(wavelet Energy Entropy：WEE)56-57
• 4.10.3 小波时间熵(wavelet Time Entropy：WTE)57-58
• 4.11 柴油机信息熵特征值提取58-64
• 4.11.1 时域信息熵提取(Time frequency Singular Entropy)58-60
• 4.11.2 频域信息熵提取(Power Spectrum Entropy)60-61
• 4.11.3 小波奇异谱熵提取(wavelet Singular Entropy：WSE)61-62
• 4.11.4 时-频域信息熵-小波能谱熵提取(wavelet Energy Entropy：WEE)62-63
• 4.11.5 时-频域信息熵-小波时间熵提取(wavelet Time Entropy：WTE)63-64
• 4.12 小结64-66
• 5 基于模糊聚类分析的故障诊断研究66-76
• 5.1 数据集的 C 划分66-67
• 5.2 模糊 C 聚类目标函数67-70
• 5.3 模糊 C 均值聚类算法70-71
• 5.4 模糊 C 核聚类71
• 5.5 基于模糊 C 核聚类下的柴油机故障诊断的研究71-74
• 5.5.1 判断故障类型74
• 5.6 模糊故障诊断的优缺点74-75
• 5.7 小结75-76
• 6 基于 D-S 理论和 BP 神经网络融合的故障识别研究76-85
• 6.1 引言76
• 6.2 DS 证据与神经网络融合基本理论76-80
• 6.2.1 DS 证据融合基本理论76-77
• 6.2.2 针对柴油机特征设计 BP 神经网络77-79
• 6.2.3 神经网络的训练79-80
• 6.3 基于神经网络和 D-S 证据理论结合的柴油机故障诊断80-84
• 6.3.1 神经网络进行局部诊断81-83
• 6.3.2 D-S 证据理论决策层融合诊断83-84
• 6.4 小结84-85
• 7 结论与展望85-87
• 参考文献87-91
• 攻读硕士期间发表的论文及所取得的研究成果91-92
• 致谢92-93

【参考文献】

中国期刊全文数据库 前10条

1 ;A Method for Gear Fault Diagnosis Based on the Empirical Mode Decomposition[J];International Journal of Plant Engineering and Management;2004年04期

2 刘嵩;谭建军;;一种核主元分析的人脸识别方法及其DSP实现[J];电讯技术;2012年08期

3 李丹;顾宏;张立勇;;基于属性加权的不完全数模糊c均值聚类算法[J];大连理工大学学报;2012年05期

4 王逸萍;梅军;郑建勇;陈厚源;戴永正;顾宇锋;;基于KPCA的高压断路器故障诊断[J];电测与仪表;2013年08期

5 张玲玲;任金成;周斌;乔龙;廖红云;陈祥龙;;基于EMD分形维数与模糊C均值聚类的柴油机故障诊断[J];军事交通学院学报;2012年05期

6 王光研;许宝杰;;RBF神经网络在旋转机械故障诊断中的应用[J];机械设计与制造;2008年09期

7 周小勇,叶银忠;故障信号检测的小波基选择方法[J];控制工程;2003年04期

8 仝磊;陈越;王直;秦琪;;基于D-S证据理论的柴油机故障诊断[J];科学技术与工程;2010年15期

9 刘辉;周志英;;基于动态模糊矩阵的柴油机故障诊断[J];煤炭技术;2007年08期

10 孟海东;马娜娜;宋宇辰;徐贯东;;基于密度函数加权的模糊C均值聚类算法研究[J];计算机工程与应用;2012年27期

中国博士学位论文全文数据库 前6条

1 肖文斌;基于耦合隐马尔可夫模型的滚动轴承故障诊断与性能退化评估研究[D];上海交通大学;2011年

2 柴艳有;基于核学习理论的船舶柴油机故障诊断研究[D];哈尔滨工程大学;2012年

3 从飞云;基于滑移向量序列奇异值分解的滚动轴承故障诊断研究[D];上海交通大学;2012年

4 张亢;局部均值分解方法及其在旋转机械故障诊断中的应用研究[D];湖南大学;2012年

5 郭艳平;面向风力发电机组齿轮箱滚动轴承故障诊断的理论与方法研究[D];浙江大学;2012年

6 明阳;基于循环平稳和盲源分离的滚动轴承故障特征提取方法研究[D];上海交通大学;2013年

本文编号：606531