基于VPMCD的旋转机械故障诊断方法研究
发布时间：2017-05-01 21:11
本文关键词：基于VPMCD的旋转机械故障诊断方法研究，由笔耕文化传播整理发布。
【摘要】：旋转机械是最常见的工业用生产机械，由于工作现场条件恶劣，振动比较强烈，噪声较大，所以很容易发生故障。当其出现故障时容易导致整个旋转机械设备不能正常运行，甚至引发整个生产链的瘫痪，造成巨大的经济损失，因此对其运行状况进行监测和诊断具有十分重要的意义和价值。 旋转机械故障诊断本质上是一个模式识别的过程。在模式识别方法中，基于变量预测模型的模式识别（Variable predictive model based class discriminate，VPMCD）是一种新的模式识别方法，该方法利用特征值参数之间存在相互内在关系建立变量预测模型，再通过预测模型对待测数据进行模式识别与分类。在旋转机械故障诊断中，通过特征提取获得的特征参数之间往往存在着一定的内在变量关系，而这种关系在不同的系统或类别之间具有不同的特点，因此，，可以将VPMCD应用于旋转机械故障模式识别中。 基于此，本文提出了基于VPMCD的旋转机械故障诊断方法。本文的主要研究内容如下： 1、研究了VPMCD算法的基本理论，对其理论进行了阐述，并采用标准验证数据将VPMCD方法与神经网络、支持向量机等模式识别方法进行对比分析，结果表明了VPMCD方法在模式识别中的适用性和有效性。 2、研究了VPMCD方法在旋转机械故障诊断中的应用。针对齿轮、滚动轴承和转子机械零部件，引入样本熵、排列熵、独立分量分析（Independent componentanalysis，ICA）和相关系数法，分别提出了基于样本熵和VPMCD的旋转机械故障诊断方法、基于排列熵和VPMCD的滚动轴承故障诊断方法、基于ICA相关系数和VPMCD的滚动轴承故障诊断方法。通过对不同工作状态和故障类型下的旋转机械振动信号进行分析，结果表明了VPMCD方法可以有效地应用于旋转机械故障诊断。 3、在VPMCD方法中，采用预测误差平方和值最小为判别函数对测试样本进行分类，因此该方法不仅可以应用于多种样本的模式识别，而且还可以应用于只有单种样本的模式识别。针对在旋转机械故障诊断中面临着故障样本缺乏或稀少的问题，提出了基于VPMCD的新异类检测方法—单类基于变量预测模型的模式识别（One-class variable predictive model based class discriminate，OC-VPMCD）方法。该方法通过比较测试样本的预测误差平方和与设定的预测误差平方和阈值来对测试样本进行分类。通过实验数据进行对比验证，结果表明了OC-VPMCD方法可以有效地应用于只有单种样本情况的旋转机械诊断。
【关键词】：旋转机械 故障诊断 基于变量预测模型的模式识别 样本熵 排列熵 独立分量分析 OC-VPMCD
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：
- 摘要5-7
- Abstract7-11
- 插图索引11-12
- 附表索引12-13
- 第1章 绪论13-19
- 1.1 课题背景和意义13-14
- 1.2 模式识别方法在旋转机械故障诊断中的应用现状与趋势14-16
- 1.3 论文的研究思路及章节安排16-19
- 1.3.1 论文的研究思路16-18
- 1.3.2 论文的章节安排18-19
- 第2章 旋转机械故障机理及监测诊断技术19-37
- 2.1 旋转机械常见故障及特征19-31
- 2.1.1 齿轮故障及特征19-24
- 2.1.2 滚动轴承故障及特征24-28
- 2.1.3 转子故障及特征28-31
- 2.2 旋转机械故障诊断方法31-36
- 2.2.1 旋转机械振动信号处理方法31-34
- 2.2.2 旋转机械故障模式识别方法34-36
- 2.3 本章小结36-37
- 第3章 基于多变量预测模型的模式识别方法37-42
- 3.1 变量预测模型37-38
- 3.2 基于多变量预测模型的模式识别方法原理38-39
- 3.3 与其它模式识别方法的对比分析39-41
- 3.4 本章小结41-42
- 第4章 基于样本熵和 VPMCD 的旋转机械故障诊断方法42-50
- 4.1 样本熵算法及性质42-43
- 4.2 基于样本熵和 VPMCD 的旋转机械故障诊断方法43-44
- 4.3 实验分析44-49
- 4.3.1 齿轮故障诊断实验分析44-47
- 4.3.2 转子故障诊断实验分析47-49
- 4.4 本章小结49-50
- 第5章 基于排列熵和 VPMCD 的滚动轴承故障诊断方法50-57
- 5.1 排列熵算法及其参数的选择50-53
- 5.2 基于排列熵和 VPMCD 的滚动轴承故障诊断方法53
- 5.3 实验分析53-56
- 5.4 本章小结56-57
- 第6章 基于 ICA 相关系数和 VPMCD 的滚动轴承故障诊断方法57-63
- 6.1 独立分量分析和相关系数分析方法57-58
- 6.2 基于 ICA 相关系数和 VPMCD 的滚动轴承故障诊断方法58-59
- 6.3 实验分析59-62
- 6.4 本章小结62-63
- 第7章 基于 OC-VPMCD 的滚动轴承故障诊断方法63-71
- 7.1 新异类检测方法63-64
- 7.1.1 单类支持向量机63-64
- 7.1.2 自组织映射神经网络64
- 7.2 基于 VPMCD 的新异类检测方法—OC-VPMCD 方法64-65
- 7.3 基于 OC-VPMCD 的滚动轴承故障诊断方法65-66
- 7.4 实验分析66-69
- 7.5 本章小结69-71
- 结论与展望71-73
- 参考文献73-78
- 致谢78-79
- 附录 A 攻读学位期间发表和录用的论文目录79-80
- 附录 B 攻读学位期间参与的科研项目80
【参考文献】
中国期刊全文数据库 前10条
1 葛家怡;周鹏;赵欣;刘海婴;王明时;;睡眠脑电时间序列的非线性样本熵研究[J];电子器件;2008年03期
2 罗剑斌,卢一兵,袁立平,石峰,王瑞军,孙玉泰,杨占月,张作礼;汽轮机转子中心孔进油引起的振动分析[J];电力安全技术;2005年07期
3 郭佳凡;于吉全;;基于遗传算法的大型钢塔结构的节点损伤参数识别方法[J];湖北大学学报(自然科学版);2009年04期
4 邹红星,戴琼海,李衍达,卢旭光;不含交叉项干扰且具有WVD聚集性的时频分布之不存在性[J];中国科学E辑:技术科学;2001年04期
5 张宗飞;;一种改进型量子遗传算法[J];计算机工程;2010年06期
6 和卫星;陈晓平;邵s
本文编号：339672
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/339672.html
