基于主元分析与动态时间弯曲的故障诊断方法及应用研究

发布时间：2017-10-13 15:31

  本文关键词：基于主元分析与动态时间弯曲的故障诊断方法及应用研究

  更多相关文章： EMD PCA 动态时间弯曲 故障诊断 相似性度量

【摘要】：轴承是工程实际中常用而又极易损坏的部件,特别是对其早期微弱响应的辨识,具有重要的社会价值和意义;为提高运转轴承的安全可靠性和可维护性,提出了基于主元分析与动态时间弯曲距离的故障诊断方法,它可以准确对早期微弱动态响应辨识、诊断;该方法首先将典型故障样本信号与待测信号小波去噪并EMD分解,并对若干固有模态分量主元分析求取主元,然后对主元分量进行分析,获得相关特征值组成特征向量,计算待测信号与已知故障样本信号特征向量的弯曲距离,弯曲距离越小表明两信号越相似,从而辨识故障;此外,还可将其应用于转子、碰磨、齿轮故障诊断中,工程应用实例表明该方法可以准确故障分类,高效故障诊断。
【作者单位】： 大连大学机械工程学院;
【关键词】： EMD PCA 动态时间弯曲 故障诊断 相似性度量
【基金】：国家自然科学基金(51405053) 辽宁省教育厅一般项目(L2012446)
【分类号】：TH17
【正文快照】： 0引言动态时间弯曲是一种相似性搜索算法,通过测度两组时间序列之间的相似性参数,得到一组动态时间弯曲路径集。EMD(empirical mode decomposition)是一种数据特征提取判断的方法,通过EMD分解得到多组IMF(intrinsic mode func-tion),然后用PCA(principal component analysis)

【参考文献】

中国期刊全文数据库 前1条

1 郑连清;郑艳秋;;基于经验模式分解与人工神经网络的短期电力负荷预测[J];电力系统保护与控制;2009年23期

【共引文献】

中国期刊全文数据库 前7条

1 周志宇;;基于EMD与GA-BP神经网络的短期负荷预测[J];电测与仪表;2013年04期

2 王义军;李殿文;高超;张洪赫;;基于改进的PSO-SVM的短期电力负荷预测[J];电测与仪表;2015年03期

3 白玮莉;刘志刚;彭权威;周翔;;一种基于HHT的电力系统短期负荷预测模型[J];电力系统保护与控制;2011年02期

4 周德强;武本令;;灰色BP神经网络模型的优化及负荷预测[J];电力系统保护与控制;2011年21期

5 赵振兵;王琴;余萍;王飒飒;;基于BEMD的电力设备红外与可见光图像的配准研究[J];电力系统保护与控制;2011年23期

6 王韶;杨江平;李逢兵;刘庭磊;;基于经验模式分解和神经网络的短期风速组合预测[J];电力系统保护与控制;2012年10期

7 兰华;朱锋;;基于EMD与粗糙集及神经网络相结合的短期负荷预测[J];黑龙江电力;2012年04期

中国硕士学位论文全文数据库 前9条

1 李以志;基于粒子群优化的局部支持向量回归短期电力负荷预测建模方法研究[D];华东理工大学;2012年

2 徐鹏;基于模糊聚类与RBF神经网络的负荷预测方法研究[D];广西大学;2012年

3 杨江平;基于神经网络组合预测的风电场风速及发电功率短期预测[D];重庆大学;2012年

4 周玉梅;霸州供电区配电网负荷分析与规划研究[D];华北电力大学;2012年

5 于龙;基于模糊聚类选取相似日的短期电力负荷预测[D];上海交通大学;2013年

6 何九冉;城市轨道交通客流统计特征分析及组合预测方法实证研究[D];北京交通大学;2013年

7 刘国庆;负荷预测在电压无功综合控制中的应用[D];山东大学;2013年

8 裴乐萍;县级区域短期电力负荷预测研究[D];华北电力大学;2014年

9 郭姣姣;基于改进Elman神经网络的短期电力负荷预测[D];辽宁工业大学;2015年

【二级参考文献】

中国期刊全文数据库 前6条

1 康重庆,夏清,张伯明;电力系统负荷预测研究综述与发展方向的探讨[J];电力系统自动化;2004年17期

2 祝志慧;孙云莲;季宇;;基于EMD和SVM的短期负荷预测[J];高电压技术;2007年05期

3 谢宏,陈志业,牛东晓,赵磊;基于小波分解与气象因素影响的电力系统日负荷预测模型研究[J];中国电机工程学报;2001年05期

4 邰能灵,侯志俭,李涛,蒋传文,宋炯;基于小波分析的电力系统短期负荷预测方法[J];中国电机工程学报;2003年01期

5 李天云;高磊;聂永辉;金国彬;;基于经验模式分解处理局部放电数据的自适应直接阈值算法[J];中国电机工程学报;2006年15期

6 牛东晓;李媛媛;乞建勋;刘达;谷志红;;基于经验模式分解与因素影响的负荷分析方法[J];中国电机工程学报;2008年16期

，

本文编号：1025631