基于HHT和支持向量机的旋转机械故障诊断研究

发布时间：2020-09-29 16:58

　　 Hilbert-Huang变换作为一种新的信号处理方法,可以有效的来提取信号特征信息,在旋转机械故障诊断方面有着广泛的应用前景。本文针对EMD所存在的端点问题进行了研究。根据信号两端的波形特征不可能是孤立存在的特点,充分考虑信号自身的变化趋势,提出了半波均值波形延拓方法。同时,针对暂态过程较短,故障瞬间发生,可获得数据较少的情况,本文介绍了一种基于LS-SVM回归的端点延拓方法。端点效应问题得到解决之后,利用Hilbert-Huang变换来对旋转机械故障特征信息进行提取,从而对故障类型进行分类和监测。对故障数据进行EMD分解之后,首先考虑采用基于能量的故障特征提取,把各个IMF分量的能量作为特征向量,并通过LS-SVM分类器来对故障类型进行分类。然而当IMF分量较多的情况下就会产生较多的特征向量,那么就会在分类时占用较多的时间不利于实现故障诊断的实时性,为此本文提出了基于差异度的信息分离方法。利用该方法来筛选出故障信息较为集中的IMF分量,然后再进行故障分类。本文的最后介绍了基于固有模态函数包络谱的故障特征提取方法。并通过该方法对来自旋转机械四种情况下的运行状态的实测信号进行分析研究,并准确的提取出了故障特征信息,精准的反映出了旋转机械的运行状态。本文研究结果表明,基于Hilbert-Huang变换和LS-SVM的旋转机械故障诊断方法能对旋转机械系统的运行状况做出良好的评定,准确判定故障类型,值得推广应用。
【学位单位】：昆明理工大学
【学位级别】：硕士
【学位年份】：2012
【中图分类】：TN911.7;TH165.3
【文章目录】：
摘要
ABSTRACT
符号说明
第一章绪论
    1.1 选题的背景、目的及其意义
    1.2 国内外相关技术发展现状及发展趋势
        1.2.1 国外相关技术的发展状况
        1.2.2 国内相关技术的发展状况
        1.2.3 国内外相关技术的发展趋势
    1.3 本文主要研究内容
        1.3.1 论文的结构安排
第二章 Hilbert-Huang变换
    2.1 EMD方法
        2.1.1 概述
        2.1.2 固有模态函数
        2.1.3 EMD方法的筛分过程
    2.2 Hilbert谱
    2.3 EMD方法在实际信号分析中的应用
    2.4 本章小结
第三章最小二乘支持向量机分类与回归
    3.1 概述
    3.2 支持向量机的基础
        3.2.1 机器学习
        3.2.2 经验风险最小化
        3.2.3 统计学习理论
    3.3 支持向量机分类
    3.4 支持向量机回归
    3.5 最小二乘支持向量机
    3.6 本章小结
第四章 Hilbert-Huang变换端点效应的抑制方法
    4.1 概述
    4.2 半波均值波形延拓法
        4.2.1 波形差异度的计算
        4.2.2 半波均值波形延拓方法
        4.2.3 半波均值延拓在端点效应问题处理中的应用
    4.3 基于LS-SVM回归的端点效应的抑制
        4.3.1 LS-SVM延拓原理
        4.3.2 LS-SVM延拓在端点效应问题处理中的应用
    4.4 本章小结
第五章基于EMD的机械故障特征提取
    5.1 概述
    5.2 基于能量的故障特征提取
        5.2.1 分类器的设计
        5.2.2 基于能量的信号特征提取方法在旋转机械故障诊断中的应用
    5.3 基于差异度的信息分离方法
        5.3.1 差异度模型的设计
        5.3.2 基于差异度的信息分离方法在旋转机械故障诊断中的应用
    5.4 基于固有模态函数包络谱的旋转机械故障诊断
        5.4.1 基于固有模态函数包络谱的旋转机械故障诊断步骤
        5.4.2 实测信号分析
    5.5 本章小结
第六章结论与展望
    6.1 本文工作总结
    6.2 研究展望
致谢
参考文献
附录

【参考文献】