复杂机械基于数据的建模与故障诊断
发布时间：2021-04-29 02:27
机械设备健康状态监测的运行振动信号通常是故障诊断的重要数据来源,使用这些数据进行故障诊断可以通过建立基于信号的线性或非线性模型实现,也可以直接从振动信号中提取故障特征。使用何种诊断策略最为有效,则要根据数据性质的判断加以确定。如果数据来自于明显的线性系统,则采用基于线性模型的诊断方法是恰当的;若数据是非线性的,使用基于非线性模型的诊断方法可以取得好的效果;若数据显示机械设备进入混沌振动状态,则要提取混沌特征进行故障诊断。因此,本文研究了某些非线性数据特征的检验方法,例如使用双谱分析检验数据的非线性特征,并用于检验齿轮箱振动数据的特性;使用Lyapunov指数定量描述混沌程度,并以振动筛为例,研究筛帮不同部位的混沌性强弱。此外,通过相关分析研究各部分振动数据的相关性,以制定诊断策略。提出几何-物理空间概念,把大的系统的所有数据按物理空间划分成小区域的数据集,实现物理分区。在聚类分析的规则下,对时间上不断扩展的数据集进行基于距离的分类,实现数据分区。使用主元分析将高维数据空间降维成低维数据空间,在保持原有有用信息量几乎不变的情况下,去除冗余信息,仅使用较低的维数和较少的数据量来表示原有数据...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 概述
1.1 研究背景与意义
1.2 国内外研究情况综述
1.3 论文的主要研究内容安排
第二章 数据非线性特性与相关性检验
2.1 引言
2.2 非线性检测方法研究
2.2.1 多谱分析
2.2.2 混沌运动特征
2.2.3 线性和非线性的变化
2.3 数据层面的信号相互关系
2.4 本章小结
第三章 复杂机械系统测试数据分区与降维
3.1 引言
3.2 信号分区策略研究
3.2.1 几何-物理空间描述
3.2.2 数据分区
3.2.3 基于自组织特征映射的数据分区
3.3 数据集降维
3.3.1 主元分析法
3.3.2 主元分析的方差贡献率
3.3.3 数据集降维分析的仿真研究
3.4 本章小结
第四章 复杂机械系统实体的区域辨识模型
4.1 引言
4.2 辨识模型类型
4.3 神经网络模型
4.4 优化神经网络辨识能力
4.4.1 选择神经网络模型结构
4.4.2 延迟量的重要性及输入量和延迟量对辨识精度的影响
4.4.3 隐层神经元个数对辨识精度和时间的影响
4.4.4 隐层激活函数对辨识精度和训练时间的影响
4.4.5 输入端数据数对精度和时间的影响
4.5 神经网络模型确定性
4.6 本章小结
第五章 优良特征提取和基于模型的特征分析
5.1 引言
5.2 优良特征提取方法研究
5.2.1 扭振信号特征提取分析
5.2.2 重排平滑伪Wigner-Ville 分布
5.3 基于神经网络辨识模型的信号响应谱
5.3.1 基于模型的系列正弦响应谱
5.3.2 基于模型的系列脉冲响应谱
5.4 本章小结
第六章 案例分析
6.1 引言
6.2 案例一：悬臂梁损伤检测
6.3 案例二：风机故障诊断
6.4 本章小结
第七章 结论和展望
7.1 本文结论
7.2 创新点
7.3 今后工作的展望
参考文献
致谢
作者在攻读博士学位期间科研情况
【参考文献】：
期刊论文
[1]基于T-S模糊模型的水轮机调节系统辨识[J]. 李超顺,周建中,安学利,向秀桥,李清清. 武汉大学学报(工学版). 2010(01)
[2]滑动数据窗口驱动动的的贝叶斯-高斯网络及其在非线性系统辨识中的应用[J]. 刘益剑,方彦军,马宝萍. 控制理论与应用. 2009(12)
[3]基于递阶分解聚类的非线性系统递推模糊辨识[J]. 王广军,王志杰,陈红. 控制与决策. 2009(12)
[4]非线性动态系统的Wiener神经网络辨识法[J]. 吴德会. 控制理论与应用. 2009(11)
[5]改进遗传规划算法在系统辨识中的应用[J]. 商秀芹,卢建刚,孙优贤. 东南大学学报(自然科学版). 2009(S1)
[6]具有维纳-哈默斯坦模型结构非线性系统的一种辨识方法[J]. 胡钋. 电子学报. 2009(09)
[7]永磁同步电机非线性参数辨识[J]. 吴茂林,黄声华. 电工技术学报. 2009(08)
[8]基于Volterra频域核辨识的非线性模拟电路故障诊断[J]. 刘本德,胡昌华. 控制与决策. 2009(08)
[9]混合编码免疫算法在非线性系统辨识中的应用[J]. 龚固丰,章兢,何敏,王炼红. 系统仿真学报. 2009(12)
[10]多振源卷积混合的时域盲源分离算法[J]. 叶红仙,杨世锡,杨将新. 机械工程学报. 2009(01)
博士论文
[1]非线性动力学方法在时间序列分析中的应用[D]. 王鼐.复旦大学 2005
[2]基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D]. 王然风.太原理工大学 2005
硕士论文
[1]基于SOM神经网络的聚类可视化方法研究[D]. 齐志.东北师范大学 2009
本文编号：3166654
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：127 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 概述
1.1 研究背景与意义
1.2 国内外研究情况综述
1.3 论文的主要研究内容安排
第二章 数据非线性特性与相关性检验
2.1 引言
2.2 非线性检测方法研究
2.2.1 多谱分析
2.2.2 混沌运动特征
2.2.3 线性和非线性的变化
2.3 数据层面的信号相互关系
2.4 本章小结
第三章 复杂机械系统测试数据分区与降维
3.1 引言
3.2 信号分区策略研究
3.2.1 几何-物理空间描述
3.2.2 数据分区
3.2.3 基于自组织特征映射的数据分区
3.3 数据集降维
3.3.1 主元分析法
3.3.2 主元分析的方差贡献率
3.3.3 数据集降维分析的仿真研究
3.4 本章小结
第四章 复杂机械系统实体的区域辨识模型
4.1 引言
4.2 辨识模型类型
4.3 神经网络模型
4.4 优化神经网络辨识能力
4.4.1 选择神经网络模型结构
4.4.2 延迟量的重要性及输入量和延迟量对辨识精度的影响
4.4.3 隐层神经元个数对辨识精度和时间的影响
4.4.4 隐层激活函数对辨识精度和训练时间的影响
4.4.5 输入端数据数对精度和时间的影响
4.5 神经网络模型确定性
4.6 本章小结
第五章 优良特征提取和基于模型的特征分析
5.1 引言
5.2 优良特征提取方法研究
5.2.1 扭振信号特征提取分析
5.2.2 重排平滑伪Wigner-Ville 分布
5.3 基于神经网络辨识模型的信号响应谱
5.3.1 基于模型的系列正弦响应谱
5.3.2 基于模型的系列脉冲响应谱
5.4 本章小结
第六章 案例分析
6.1 引言
6.2 案例一：悬臂梁损伤检测
6.3 案例二：风机故障诊断
6.4 本章小结
第七章 结论和展望
7.1 本文结论
7.2 创新点
7.3 今后工作的展望
参考文献
致谢
作者在攻读博士学位期间科研情况
【参考文献】：
期刊论文
[1]基于T-S模糊模型的水轮机调节系统辨识[J]. 李超顺,周建中,安学利,向秀桥,李清清. 武汉大学学报(工学版). 2010(01)
[2]滑动数据窗口驱动动的的贝叶斯-高斯网络及其在非线性系统辨识中的应用[J]. 刘益剑,方彦军,马宝萍. 控制理论与应用. 2009(12)
[3]基于递阶分解聚类的非线性系统递推模糊辨识[J]. 王广军,王志杰,陈红. 控制与决策. 2009(12)
[4]非线性动态系统的Wiener神经网络辨识法[J]. 吴德会. 控制理论与应用. 2009(11)
[5]改进遗传规划算法在系统辨识中的应用[J]. 商秀芹,卢建刚,孙优贤. 东南大学学报(自然科学版). 2009(S1)
[6]具有维纳-哈默斯坦模型结构非线性系统的一种辨识方法[J]. 胡钋. 电子学报. 2009(09)
[7]永磁同步电机非线性参数辨识[J]. 吴茂林,黄声华. 电工技术学报. 2009(08)
[8]基于Volterra频域核辨识的非线性模拟电路故障诊断[J]. 刘本德,胡昌华. 控制与决策. 2009(08)
[9]混合编码免疫算法在非线性系统辨识中的应用[J]. 龚固丰,章兢,何敏,王炼红. 系统仿真学报. 2009(12)
[10]多振源卷积混合的时域盲源分离算法[J]. 叶红仙,杨世锡,杨将新. 机械工程学报. 2009(01)
博士论文
[1]非线性动力学方法在时间序列分析中的应用[D]. 王鼐.复旦大学 2005
[2]基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用[D]. 王然风.太原理工大学 2005
硕士论文
[1]基于SOM神经网络的聚类可视化方法研究[D]. 齐志.东北师范大学 2009
本文编号：3166654
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3166654.html
