多变量预测模型在滚动轴承故障诊断中的应用研究

发布时间：2017-05-23 19:18

  本文关键词：多变量预测模型在滚动轴承故障诊断中的应用研究，由笔耕文化传播整理发布。

【摘要】：作为机械设备中使用最多的零部件之一，滚动轴承同时也是特别容易损坏的零部件之一，往往滚动轴承的故障最终会引发整个机械设备的失效，因此对轴承的运行状况进行实时监测和诊断有着十分重要的意义。在针对滚动轴承的诸多故障诊断方法中，应用最广泛的是基于轴承振动信号的诊断方法。实际上，基于振动信号对滚动轴承进行故障诊断本质上就是一个模式识别的过程。模式识别的过程是首先对振动信号提取特征值，然后利用分类器对特征值实现分类识别。 基于此，论文开展了变量预测模型的模式识别（Variable predictive model basedclass discriminate，简称VPMCD）方法在滚动轴承故障诊断中的应用研究，主要研究内容如下： 1、要对滚动轴承进行模式识别首先就要对轴承信号进行特征值的提取，但采集的滚动轴承振动信号通常具有非平稳性，需要对信号进行预处理，论文研究了局部特征尺度分解（Local characteristic scale decomposition，简称LCD）方法在滚动轴承故障诊断中的应用，实验证明该方法的分解速度和降噪能力都很好。 2、分类器的精度还决定于模式识别方法的优劣，在模式识别方法中，VPMCD是一种新的模式识别方法，，论文研究了VPMCD方法的基本原理，并对VPMCD方法在滚动轴承故障诊断中的应用进行了研究，实验结果验证了VPMCD方法的有效性。 3、针对VPMCD在参数估计过程中的缺陷，对其进行了改进，用岭回归代替最小二乘来进行参数估计，消除了自变量之间存在复共线性关系对参数估计的影响，最终可以获得更加精确的模型参数，从而使得模式识别精度得到提高。本文对不同工作状态及故障类型下的滚动轴承振动信号进行了实验分析，取得了较好的分类效果。 4、针对少量训练样本情况下，VPMCD选择的模型可能不能最贴切地反映自变量之间关系这一问题，论文提出利用遗传模拟退火算法对模型权值进行优化，再把得到的最优权值矩阵和对测试样本的预测值矩阵进行融合，最后以判别函数实现分类识别。通过轴承数据对该方法进行验证，结果验证了该方法的有效性。
【关键词】：滚动轴承 故障诊断 基于变量预测模型的模式识别 岭回归 遗传模拟退火算法
【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】：TH133.33;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 插图索引10-11
• 附表索引11-12
• 第一章 绪论12-19
• 1.1 研究的背景和意义12-13
• 1.2 滚动轴承故障诊断技术国内外的研究现状及发展趋势13-16
• 1.2.1 滚动轴承的故障诊断方法13-14
• 1.2.2 滚动轴承故障诊断方法的研究现状和发展趋势14-16
• 1.3 论文的研究思路及内容安排16-19
• 1.3.1 论文的研究思路16-17
• 1.3.2 论文的内容安排17-19
• 第二章 滚动轴承的故障机理及常见故障诊断方法19-32
• 2.1 滚动轴承的主要结构和常见失效形式19-21
• 2.1.1 滚动轴承的主要结构19-20
• 2.1.2 滚动轴承的常见失效形式20-21
• 2.2 滚动轴承的振动机理及滚动轴承故障的振动特征分析21-25
• 2.2.1 滚动轴承振动机理21-22
• 2.2.2 滚动轴承故障的振动特征分析22-25
• 2.3 滚动轴承的故障诊断方法25-31
• 2.3.1 基于振动信号处理方法的滚动轴承故障诊断方法25-28
• 2.3.2 滚动轴承故障诊断的模式识别方法28-31
• 2.4 本章小结31-32
• 第三章 基于 VPMCD 的滚动轴承故障诊断方法32-45
• 3.1 变量预测模型机理32-33
• 3.2 基于变量预测模型的模式识别方法33-34
• 3.3 基于多个特征值和 VPMCD 的滚动轴承故障诊断34-37
• 3.3.1 基于多个特征值和 VPMCD 的滚动轴承故障诊断方法34-35
• 3.3.2 实例应用35-37
• 3.4 基于 VPMCD 和 LCD 分量波形因子的滚动轴承故障诊断37-39
• 3.4.1 基于 VPMCD 和 LCD 分量波形因子的滚动轴承故障诊断方法37-38
• 3.4.2 实例应用38-39
• 3.5 VPMCD 及其他模式识别方法在滚动轴承故障诊断中的对比分析39-44
• 3.5.1 基于 VPMCD 和 LCD 包络谱的滚动轴承故障诊断方法39-40
• 3.5.2 实例应用40-44
• 3.6 本章小结44-45
• 第四章 基于岭回归的 RVPMCD 的滚动轴承故障诊断方法45-54
• 4.1 VPMCD 方法中的回归算法45-47
• 4.2 基于岭回归的 RVPMCD 的滚动轴承故障诊断方法47-53
• 4.2.1 岭回归47-48
• 4.2.2 基于 RVPMCD 方法的滚动轴承故障诊断方法48-49
• 4.2.3 实例应用49-53
• 4.3 本章小结53-54
• 第五章 基于遗传模拟退火算法的 VPMCD 滚动轴承故障诊断方法54-63
• 5.1 遗传模拟退火方法55-57
• 5.1.1 模拟退火算法55-56
• 5.1.2 遗传模拟退火方法56-57
• 5.2 基于 GSAA 的 VPMCD 滚动轴承故障诊断方法57-62
• 5.2.1 基于 GSAA 的 VPMCD 滚动轴承诊断方法57-59
• 5.2.2 方法应用59-62
• 5.3 本章小结62-63
• 结论与展望63-65
• 参考文献65-69
• 致谢69-70
• 附录A 攻读学位期间发表和录用的论文目录70-71
• 附录B 攻读学位期间参与的科研项目71

【参考文献】

中国期刊全文数据库 前10条

1 张曼;刘旭华;何雄奎;张录达;赵龙莲;李军会;;岭回归在近红外光谱定量分析及最优波长选择中的应用研究[J];光谱学与光谱分析;2010年05期

2 麻金继;李素文;;基于稳健回归M估计的差分吸收光谱反演方法(英文)[J];光子学报;2009年08期

3 高朋飞;许同乐;侯蒙蒙;郎学政;李磊;;小波SVM核函数法在滚动轴承故障诊断中的应用[J];轴承;2013年12期

4 崔建国;李忠海;张大千;王旭;韩志仁;曲学军;;复杂性测度在肌电信号模式识别中的应用[J];计算机工程与应用;2006年11期

5 沈红;胡玉兰;李雪梅;;改进遗传算法优化的神经网络在智能故障诊断中的应用[J];机械设计与制造;2009年03期

6 ;Boundary-processing-technique in EMD method and Hilbert transform[J];Chinese Science Bulletin;2001年11期

7 刘占生;窦唯;王东华;王晓伟;;基于遗传算法的旋转机械故障诊断方法融合[J];机械工程学报;2007年10期

8 车红昆;吕福在;项占琴;;多特征SVM-DS融合决策的缺陷识别[J];机械工程学报;2010年16期

9 吕建新;吴虎胜;来凌红;吴庐山;赵法栋;;基于IMF复杂度和RBF网络的配气机构故障诊断[J];计算机测量与控制;2011年05期

10 费智;符平;;我国风电发展的态势分析与对策建议[J];科技进步与对策;2011年10期

  本文关键词：多变量预测模型在滚动轴承故障诊断中的应用研究，由笔耕文化传播整理发布。

本文编号：388872