基于序列多维时频特征的故障检测与预测研究

发布时间：2017-05-25 22:13

  本文关键词：基于序列多维时频特征的故障检测与预测研究，由笔耕文化传播整理发布。

【摘要】：在实际生产加工过程中，一些机械设备及零部件由于长期疲劳磨损等原因容易引发故障，严重影响整个系统的正常运行，有必要及时地对设备及零部件等进行故障检测和预测。本文结合小波时频分析与统计分析，提取观测序列的小波Shannon熵和小波包双谱组成多维特征向量，建立故障预测模型。主要研究工作包括以下两个方面。 其一，多维特征提取。设备系统的故障检测及预测是建立在信号特征提取的基础上。多维特征提取能够从多个方面反映信号的特征。本文提取的是小波Shannon熵和小波包双谱。采用滚动轴承正常运转、外圈故障以及滚动体故障状态下的信号序列进行仿真，结果表明：多维特征提取能够较全面地表现信号特征，有利于准确地识别出故障类型。 其二，，故障检测和预测。采取最小二乘支持向量机预测模型，并与基于重心熵值的阈值估计方法相结合，实时地监测序列的故障情况。采用航空发动机刀具材料KC5010的声发射序列进行仿真，结果表明：采用最小二乘支持向量机模型预测能够得到较高的预测精度，阈值检测与故障预测的结合能够及时地发现故障。
【关键词】：多维特征提取 最小二乘支持向量机 阈值检测 故障预测
【学位授予单位】：沈阳航空航天大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要6-7
• Abstract7-10
• 主要符号表10-11
• 第1章 绪论11-17
• 1.1 故障检测与预测技术研究背景及意义11-12
• 1.2 故障检测与预测技术研究发展现状12-15
• 1.2.1 时间序列多维时频特征提取的优势12-13
• 1.2.2 故障检测与预测技术的国内外研究现状13-15
• 1.2.3 故障检测与预测技术的发展趋势15
• 1.3 主要研究内容及研究目标15-17
• 第2章 观测序列的时频特征分析和提取17-37
• 2.1 时间序列特征提取——小波熵17-31
• 2.1.1 小波分析17-26
• 2.1.2 信息熵的提出及分类26-30
• 2.1.3 小波 Shannon 熵30-31
• 2.2 时间序列特征提取——小波包双谱31-33
• 2.2.1 小波包分析31-32
• 2.2.2 高阶谱的提出及选择32-33
• 2.2.3 小波包双谱33
• 2.3 滚动轴承振动信号多特征提取仿真实例33-36
• 2.4 本章小结36-37
• 第3章 基于特征的故障检测阈值估计37-41
• 3.1 序列熵值的提取37-38
• 3.2 基于序列重心熵值的阈值估计38-39
• 3.3 刀具磨损状态阈值估计仿真实例39-40
• 3.4 本章小结40-41
• 第4章 支持向量机故障预测模型的建立41-59
• 4.1 支持向量机41-47
• 4.1.1 支持向量机趋势预测41-42
• 4.1.2 支持向量机的回归算法42-45
• 4.1.3 最小二乘支持向量机45-47
• 4.2 故障预测模型的建立47-49
• 4.2.1 预测模型输入输出的确定47-48
• 4.2.2 预测模型输入输出的确定48-49
• 4.3 不同预测模型的比较49-54
• 4.3.1 BP 神经网络预测模型49-51
• 4.3.2 不同输入的最小二乘支持向量机预测模型51-52
• 4.3.3 模型的精度计算及比较52-54
• 4.4 故障检测的实现54
• 4.5 刀具磨损状态预测建模仿真实例54-58
• 4.6 本章小结58-59
• 第5章 时间序列多维时频特征提取的故障预测与检测系统设计59-62
• 5.1 系统演示模块59-61
• 5.1.1 序列的多维特征提取59-60
• 5.1.2 故障预测及检测60-61
• 5.2 本章小结61-62
• 结论62-64
• 附录Ⅰ特征提取、故障预测及检测程序清单64-67
• 参考文献67-70
• 致谢70-71
• 攻读硕士期间发表（含录用）的学术论文71

【相似文献】

中国期刊全文数据库 前10条

1 胡绍林;Meinke Karl;陈如山;Huajiang Ouyang;;比对分析与故障检测技术及其在航天工程中应用[J];空军工程大学学报(自然科学版);2007年04期

2 胡奕明;吴德伟;肖汉;;特征分析的串行通信故障检测[J];火力与指挥控制;2008年07期

3 王曰英;周平方;陈丽;段登平;;马尔可夫跳跃系统的鲁棒故障检测[J];电力自动化设备;2010年05期

4 张洪华,张洪钺;故障检测的智能决策[J];航空学报;1993年05期

5 田霖,王镛根;发动机量测通道的绕回检测[J];燃气涡轮试验与研究;1998年03期

6 侯健敏,肖冬荣;动态系统的故障检测与诊断[J];上海海运学院学报;2001年03期

7 张玮,沈士团,李驿华;一种面向输出响应的多频测试故障检测与隔离方法[J];遥测遥控;2003年06期

8 郝腾飞;陈果;;基于小球大间隔方法的机械故障检测[J];中国机械工程;2012年15期

9 杨青;晁晓洁;刘云琦;;提升小波阈值去噪的故障检测与诊断方法研究[J];沈阳理工大学学报;2012年06期

10 张晓友，翟国富，贲洪奇;平行双线多分支输电线在线故障检测与诊断方法的研究[J];中国电机工程学报;1996年06期

中国重要会议论文全文数据库 前10条

1 张汉国;;大系统的故障检测——随机情形[A];1993中国控制与决策学术年会论文集[C];1993年

2 周东华;;一种工业异步电机的在线故障检测与诊断新方法[A];1994年中国控制会议论文集[C];1994年

3 赵琦;周东华;;闭环系统的小故障检测与分离方法[A];第十九届中国控制会议论文集（二）[C];2000年

4 李福明;段广仁;;一种鲁棒故障检测与分离的参数化方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

5 王洪江;孙保民;田进步;;一种图形化的故障检测和诊断方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

6 彭涛;桂卫华;Ding Steven X;汤琼;李昊;;一种基于混合H_-/H_∞的故障检测系统优化设计方法[A];第二十七届中国控制会议论文集[C];2008年

7 魏晨;陈宗基;;非线性系统的鲁棒故障检测与诊断[A];第十九届中国控制会议论文集（二）[C];2000年

8 韩兵;陈新海;;随机参数最小均方滤波及其在飞行器故障检测中的应用[A];1995中国控制与决策学术年会论文集[C];1995年

9 葛彤;邓建华;;复杂动态系统故障检测与诊断的层次递进方法[A];1996中国控制与决策学术年会论文集[C];1996年

10 方华京;;控制系统故障检测的l~1优化方法[A];第十九届中国控制会议论文集（二）[C];2000年

中国重要报纸全文数据库 前6条

1 陈代寿;BFD高速路由故障检测[N];中国计算机报;2005年

2 涵薏;排除风电系统中的故障[N];上海科技报;2010年

3 上海 徐亚东;ADSL故障检测利器[N];电脑报;2004年

4 暴青雨　本报特约通讯员 赵彦斌;为了战时能打赢[N];解放军报;2011年

5 翟卫平;梁来润;为了航天员的生命安全[N];中国航天报;2003年

6 记者 蔡韬;哈市节日消费投诉不离“老三样”[N];黑龙江日报;2011年

中国博士学位论文全文数据库 前10条

1 王红茹;动态系统的鲁棒故障检测与分离方法研究[D];哈尔滨工业大学;2006年

2 杨青;集合型故障检测与诊断技术研究[D];长春理工大学;2013年

3 张登峰;动态系统的故障检测与诊断研究[D];南京理工大学;2003年

4 马传峰;基于观测器的鲁棒H_∞故障检测问题研究[D];山东大学;2007年

5 赵海军;新一代互联网服务及故障检测若干关键技术的研究[D];北京邮电大学;2009年

6 朱张青;动态系统的鲁棒故障检测与诊断技术[D];南京理工大学;2005年

7 李岳炀;基于观测器的离散时变系统鲁棒故障检测问题研究[D];山东大学;2011年

8 祝志博;融合聚类分析的故障检测和分类研究[D];浙江大学;2012年

9 张永;非线性随机网络化系统稳定性分析与故障检测[D];华中科技大学;2010年

10 李祥宝;基于广义非负矩阵投影算法的故障检测与诊断研究[D];上海交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 孟程程;基于多元统计分析的故障检测与应用研究[D];中国计量学院;2013年

2 李亮;云环境下故障检测研究[D];中南大学;2012年

3 李畅;工业过程故障检测的方法及应用研究[D];东北大学;2011年

4 朱嵘嘉;基于模型的故障检测及容错控制方法研究[D];江南大学;2006年

5 杜运成;基于等价空间方法的采样系统故障检测[D];东华大学;2008年

6 祝翔宇;低成本数字集成电路在线故障检测的研究[D];上海交通大学;2008年

7 夏琳琳;故障检测与诊断技术在组合导航系统中的应用研究[D];哈尔滨工程大学;2006年

8 李仿华;基于神经网络的实时故障检测研究[D];安徽大学;2012年

9 刘洪彬;非高斯过程故障检测与诊断方法研究[D];沈阳理工大学;2014年

10 买强;青霉素发酵过程故障检测与故障诊断的研究[D];河北工业大学;2000年

  本文关键词：基于序列多维时频特征的故障检测与预测研究，由笔耕文化传播整理发布。

本文编号：395178