智能优化算法在转子故障诊断中的应用方法研究

发布时间：2019-11-18 22:14

【摘要】：转子系统是旋转机械的核心部件,因此对其运行状况实施智能故障诊断决策意义重大。粒子群算法、杂草算法与人工神经网络是三种典型的智能算法。本研究针对转子振动信号具有准周期性,而有效信号易被噪声严重干扰的特点,以及针对神经网络进行故障模式辨识时网络结构冗余、训练易陷入局部极小等具体困难,在对国内外故障诊断研究现状进行分析和总结的基础上,利用智能优化算法对转子振动信号智能消噪滤波与智能模式识别问题进行了研究。所开展的具体研究工作情况和得到的结论如下： 1)针对转子系统故障信号中背景噪声带宽较大且与有效信号频带产生重合的现象,联合谱减法、最小均方算法及粒子群优化方法,提出一种PSO (Particle Swarm Optimization)-SSLMS (Spectral Subtraction; Least Mean Square)转子故障信号消噪方法。该方法具备参数少、易于控制,收敛速度快,可有效避免LMS对宽频信号的不稳定性的特点。对模拟信号处理的结果显示,该混合算法组织合理,性能优越,用于实验转子故障信号消噪滤波,也能够获得有效的转子本真准周期性谐波信号,PSO-SSLMS更适合用于转子故障信号处理。 2)用一个工程优化实例验证了经典IWO(Invasive Weed Optimization)搜索性能之后,对IWO做出了适用于神经网络优化的改进。提出的新算法将多种结构的神经网络权值阈值编码为不同维度的杂草种子,实现了神经网络权值阈值与结构的同时优化。将该方法应用于转子系统故障分类问题,实验结果表明该方法可以在结合BP算法优势的同时还能够有效优化神经网络各参数。由此,得到一种分类精度高、结构最简并且泛化能力强的神经网络故障分类器。 3)将上述算法嵌入C#语言编写的转子故障智能诊断系统,进行振动信号的实时显示、滤波、模式识别工作,该系统具有一定工程应用价值。 智能优化技术在故障诊断领域带来了研究热潮,在混合智能算法的通用性方面值得进一步深入地研究。
【学位授予单位】：兰州理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3;TP18

【相似文献】

相关期刊论文 前10条

1 蒋建东,蔡泽祥;鼠笼型异步电动机转子故障诊断新方法[J];继电器;2004年07期

2 魏云冰;李留杰;;基于定子电流的异步电动机转子故障诊断方法综述[J];水利电力机械;2007年12期

3 张会福;狄雪兰;文宏;陈安华;;基于本体的转子故障知识建模研究[J];中国机械工程;2011年21期

4 孙福才;张春妍;;三相笼型异步电动机转子故障及诊断[J];黑龙江冶金;2010年04期

5 蒋建东,蔡泽祥;用Park变换方法检测感应电动机转子故障[J];电力自动化设备;2004年05期

6 陈卫文;方瑞明;;异步电动机转子故障诊断方法[J];防爆电机;2006年06期

7 方瑞明;马宏忠;;基于最小二乘支持矢量机的异步电机转子故障诊断研究[J];电工技术学报;2006年05期

8 阳桂蓉;王冰峰;;异步电机运行过程中转子故障诊断综述[J];大电机技术;2011年04期

9 夏虹,刘群,张志华;基于范例推理的机械故障诊断方法与系统[J];哈尔滨工程大学学报;1999年05期

10 张磊;张春妍;张进兴;;笼型异步电机转子故障检测及诊断方法[J];电站系统工程;2009年02期

相关会议论文 前1条

1 王冉;陈进;;支持向量机决策树分类器在转子故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

相关博士学位论文 前1条

1 魏云冰;小波变换在电机故障诊断与测试中的应用研究[D];浙江大学;2002年

相关硕士学位论文 前10条

1 贺颖;鼠笼异步电动机转子故障诊断的研究[D];太原理工大学;2013年

2 阳桂蓉;基于定子电流幅值校正频谱细化的电机转子故障诊断研究[D];电子科技大学;2011年

3 孟昭燃;智能优化算法在转子故障诊断中的应用方法研究[D];兰州理工大学;2014年

4 石超;基于频域RELAX方法的鼠笼式异步电动机转子故障诊断[D];武汉科技大学;2011年

5 李光荣;基于小波分析的感应电机转子故障诊断研究[D];东北大学;2010年

6 洪杰;电机综合保护及转子故障诊断的研究[D];合肥工业大学;2009年

7 于昊;基于LMD和HMM的转子故障诊断方法[D];兰州理工大学;2012年

8 许悦;基于混沌吸引子不变量信息熵特征的转子故障诊断方法研究[D];兰州理工大学;2012年

9 郎许飞;基于粗糙集与支持向量机的异步电动机转子故障诊断的研究[D];东北林业大学;2013年

10 黄显华;转子振动信号特征数据库架构方法研究[D];兰州理工大学;2011年

，

本文编号：2562779