互信息学习在旋转机械故障诊断中的应用研究

发布时间：2017-11-24 00:17

  本文关键词：互信息学习在旋转机械故障诊断中的应用研究

  更多相关文章： 故障诊断 互信息 小波包分析 峭度 特征向量 包络解调 功率谱 模糊C均值聚类

【摘要】：随着科学技术的进步以及社会生产的发展，现代工业对设备生产效率提出了更高的要求。而有液压系统“心脏”之称的液压泵及在机械设备中大量使用的滚动轴承，其工作状态对整台设备的工作状态起着十分重要甚至决定性的作用。因此对液压泵和滚动轴承的状态进行实时诊断是十分必要的。而轴向柱塞泵与滚动轴承的振动信号是十分复杂的非线性，非平稳信号，因此本文采用了小波包分解和互信息相结合的方法实现对振动信号的处理以及对故障的诊断识别。 小波包分析是小波分析的延伸，，它可以对信号进行更为精细的分解与重构，小波分析可以将上一次分解得到的低频部分进行再分解，但不能对高频部分进行再分解，造成高频部分的分辨率很差，小波包分析对低频和高频部分均可进行再分解，提高了高频段的分辨率，从而使整个信号的信息更为清晰。小波包重构过程中选择包含最多故障信息的敏感子频带进行重构，就能得到消除干扰频段的重构信号，以达到对故障信号更精确的分析。 本文提出一种基于小波包分解和互信息结合的故障诊断方法，通过对信号进行小波包分解，结合峭度准则选取包含最多故障特征信息的子频带进行信号重构，提取重构信号的时域特征参数和二次小波包分解下的子频带能量作为特征向量，采用基于互信息的特征选择算法对所提取的特征向量进行降维，以达到去除冗余和无关的特征向量，精简特征维数的目的。最后利用模糊C均值聚类方法对液压泵和滚动轴承的各种故障状态进行模式识别，通过与传统信号处理结合主元分析方法的对比结果表明，基于小波包分解与互信息相结合的方法能准确高效地进行液压泵和滚动轴承的故障识别。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3

【参考文献】

中国期刊全文数据库 前10条

1 罗静;钟佑明;;小波包时频分析方法的研究及应用[J];重庆邮电大学学报(自然科学版);2009年03期

2 高静怀,汪文秉,朱光明;小波变换与信号瞬时特征分析[J];地球物理学报;1997年06期

3 李琼;王军宁;;基于互信息和自适应模板更新的目标跟踪算法[J];电子科技;2011年12期

4 晁锐,张科,李言俊;一种基于小波变换的图像融合算法[J];电子学报;2004年05期

5 李慧;蔺启忠;王钦军;刘庆杰;吴昀昭;;基于小波包变换和数学形态学结合的光谱去噪方法研究[J];光谱学与光谱分析;2010年03期

6 陈家焱;陈章位;;液压系统故障诊断技术的现状与发展趋势[J];机床与液压;2008年10期

7 陆春月,王俊元;机械故障诊断的现状与发展趋势[J];机械管理开发;2004年06期

8 王卫玲;刘培玉;初建崇;;一种改进的基于条件互信息的特征选择算法[J];计算机应用;2007年02期

9 姜万录,张淑清,王益群;液压泵故障的小波变换诊断方法[J];机械工程学报;2001年06期

10 高英杰;孔祥东;;基于小波包分析的液压泵状态监测方法[J];机械工程学报;2009年08期

中国博士学位论文全文数据库 前2条

1 刘华文;基于信息熵的特征选择算法研究[D];吉林大学;2010年

2 龚伟;基于信息熵和互信息的流域水文模型不确定性分析[D];清华大学;2012年

本文编号：1220358