基于分形和支持向量机的机械设备故障诊断

发布时间：2024-02-17 17:47

　　在统计学习理论上发展起来的支持向量机，为小样本学习问题的解决提供了一种新的思路。它很好地执行了统计学习理论的结构风险最小化原则，并且利用核函数将非线性问题转换到线性空间中解决，大大降低了算法的复杂程度。正是这些优秀的性能使得支持向量机成为了机器学习研究的热点，在各个领域都有它的应用和研究，特别是在故障诊断领域，由于在实际生产中故障样本很难得到，故障诊断本身就是一个小样本问题，而支持向量机所表现出的小样本决策性能使得它在故障诊断领域的前景非常广阔。同时，故障特征提取方法也是故障诊断中的重要环节。分形方法能够通过其特征参数——分形维数对复杂机械系统的状态微小变化做出量化的描述，借助分形维数这一特征量，将有助于对机械设备的状态进行识别。 本文在对支持向量机和分形深入了解的基础上，进行了以下方面的研究：以滚动轴承作为研究对象，首先对其故障行为进行了分析，并通过故障模拟的方法，在轴承实验台上进行了不同工况下滚动轴承几种典型故障信号的采集。然后对采集到的振动信号进行了趋势项的消除，并利用小波分析的方法对信号进行了消除噪声的处理。进一步将经过预处理的信号应用分形的方法来提取滚动轴承振动信号的故障特征...

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图2.2滚动轴承实验台Fig2.2labdeskofrollingelementbearings

2.3滚动轴承故障诊断实验设计2.3.1滚动轴承故障模拟实验台简介我们搭建了滚动轴承故障模拟试验台(如图2.2所示)，其结构简图如图2.3所示。该试验台是由机械驱动装置、加载机构、固定装置和机座四部分组成。其中，电机型号为Y100L2一4;额定功率为3KW;额定转速为1420r/....

图2.10内圈滚道正中轻徽故障信号

度故障的轴承、滚珠重度故障的轴承、内圈滚道正中重度故障和滚珠重度故障混合的轴承、两个滚珠混合故障。实验中采集了轴承在10种状态下的振动信号，部分信号如下:冲J准盯..图2.8正常抽承的振动信号Fig2.8vib住面onsignalofg以记mU伙别勿g图2.9内圈侧面故降信号Fi....

图2.11内圈滚道正中中度故障信号

度故障的轴承、滚珠重度故障的轴承、内圈滚道正中重度故障和滚珠重度故障混合的轴承、两个滚珠混合故障。实验中采集了轴承在10种状态下的振动信号，部分信号如下:冲J准盯..图2.8正常抽承的振动信号Fig2.8vib住面onsignalofg以记mU伙别勿g图2.9内圈侧面故降信号Fi....

图2.8正常抽承的振动信号

太原理工大学硕士研究生学位论文号采集仪采集并记录各运行工况下各种故障状态的加速度信号，采样频率设置为skHZ。实验的对象依次为:完好轴承、内圈侧面故障、内圈滚道正中轻微故障的轴承、内圈滚道正中中度故障的轴承、内圈滚道正中重度故障的轴承、滚珠轻微故障的轴承、滚珠中度故障的轴承、滚珠....

本文编号：3901166