基于支持向量数据描述的滚动轴承故障诊断方法研究

发布时间：2017-12-31 19:05

  本文关键词：基于支持向量数据描述的滚动轴承故障诊断方法研究　出处：《湖南大学》2012年硕士论文　论文类型：学位论文

  更多相关文章： 支持向量数据描述 滚动轴承 故障诊断 局部均值分解 包络谱

【摘要】：机械故障诊断实质上是一个小样本的模式识别问题。在实际工程应用中，故障数据的缺乏一直是制约智能故障诊断技术发展的一个重要因素，使得传统的智能诊断技术诸如神经网络等往往因训练样本数据的不足而不能取得理想的诊断效果。 支持向量数据描述（Support Vector Data Description，SVDD）方法是一种在统计学理论和传统的支持向量机基础上发展起来的单值分类方法，它能有效的解决故障样本数据缺乏的问题。SVDD方法的基本思想是：通过在特征空间中寻求一个最小容积的超球体，使得所有的或者绝大部分的目标样本都被包含在该超球体内，而非目标样本尽可能都落在超球体外，从而达到将目标类样本和非目标类样本分开的目的。SVDD方法只需要一类样本数据即可进行分类，这种方法具有计算速度快、可有效处理小样本、鲁棒性强等优点。利用这种方法，仅依靠正常运行时的振动信号就可以监测机器的运行状态，判别机器是否存在故障。因此，SVDD方法在工程应用中具有极高的实用价值，有望解决智能故障诊断中因故障数据样本缺乏而不能精准判定故障的问题。 本文的主要研究内容包括： （1）核函数在SVDD方法中有着十分重要的作用，本文对核函数进行了研究。通过仿真实验分析表明，使用高斯核函数时，SVDD方法的检测精度最高。 （2）对LMD方法和EMD方法进行了对比研究。通过分析，LMD方法在减少迭代次数和降低端点效应方面要优于EMD方法。 （3）提出了一种基于SVDD与LMD奇异值的滚动轴承故障诊断方法，，在实际应用中，该方法能有效的对滚动轴承进行故障判定。 （4）提出了一种基于SVDD与LMD包络谱的滚动轴承故障诊断方法。利用这种方法能有效地对滚动轴承的运行状态进行监测，准确判定滚动轴承是否存在故障。
[Abstract]:Mechanical fault diagnosis is a kind of pattern recognition problem of small sample . In practical engineering application , the lack of fault data has been an important factor restricting the development of intelligent fault diagnosis technology . Support Vector Data Description ( SVDD ) method is a single - valued classification method developed on the basis of statistical theory and traditional support vector machine . It can effectively solve the problem of lack of sample data . The main research contents of this paper include : ( 1 ) The kernel function plays an important role in SVDD method . The kernel function is studied in this paper . The simulation results show that the detection accuracy of SVDD method is the highest when using Gaussian kernel function . ( 2 ) The LMD method and EMD method are compared . The LMD method is superior to EMD method in reducing the number of iterations and reducing the end point effect . ( 3 ) A rolling bearing fault diagnosis method based on SVDD and LMD singular value is proposed . In practical application , this method can effectively determine the fault of rolling bearing . ( 4 ) A fault diagnosis method of rolling bearing based on SVDD and LMD envelope spectrum is presented .

【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TH165.3

【参考文献】

相关期刊论文 前10条

1 何晓霞,沈玉娣,张西宁;连续小波变换在滚动轴承故障诊断中的应用[J];机械科学与技术;2001年04期

2 程军圣,于德介,杨宇;基于EMD的能量算子解调方法及其在机械故障诊断中的应用[J];机械工程学报;2004年08期

3 王华忠,俞金寿;核函数方法及其在过程控制中的应用[J];石油化工自动化;2005年01期

4 袁淑芳,张金亮;滚动轴承的故障检测[J];计量技术;1998年06期

5 程光友;;时域指标在滚动轴承故障诊断中的应用[J];中国设备工程;2005年12期

6 李凌均,张周锁,何正嘉;基于支持向量数据描述的机械故障诊断研究[J];西安交通大学学报;2003年09期

7 谯虹;贺昌政;;我国上市公司虚假财务报告的GMDH识别模型[J];软科学;2007年01期

8 王培良;葛志强;宋执环;;基于迭代多模型ICA-SVDD的间歇过程故障在线监测[J];仪器仪表学报;2009年07期

9 程军圣;张亢;杨宇;于德介;;局部均值分解与经验模式分解的对比研究[J];振动与冲击;2009年05期

10 陶新民;杜宝祥;徐勇;;基于HOS奇异值谱的SVDD轴承故障检测方法[J];振动工程学报;2008年02期

相关硕士学位论文 前2条

1 张晨罡;基于经验模态分解的滚动轴承故障诊断方法研究[D];郑州大学;2007年

2 李自国;基于支持向量数据描述的故障诊断方法研究[D];郑州大学;2007年

本文编号：1361049