涡轮泵试车数据分析及新异类状态检测技术研究

发布时间：2024-05-22 02:05

　　在对类似于液体火箭发动机这种复杂系统的故障检测过程中,一个非常棘手的问题是缺乏故障类样本。从故障诊断技术的角度而言,事先无法获得蕴涵故障特征的测试数据,就无法获得其故障模式,因而也就无法进行故障分析。在这种情况下开展机械系统状态监控与故障诊断工作,有必要借助新异类检测技术,实现基于不完整信息的状态决策。 本文针对液体火箭发动机涡轮泵的振动信号,结合新异类检测技术中的单类支持向量机方法,对新异类检测在涡轮泵试车故障检测中的应用进行了尝试,主要研究内容包括: (1)介绍了各种流行的新异类检测算法的原理以及各自的特点;重点介绍了新异类检测技术中的两种单类支持向量机原理,并在此基础上建立了一种基于支持向量数据描述的新异类检测模型。 (2)通过分析支持向量机中模型参数对检测结果的影响,给出了确定这些参数的一般方法;提出了一种分层式的快速训练方法,克服了样本个数和维数对支持向量算法应用的制约,提高了训练效率。 (3)应用统计特征估计方法,分别对涡轮泵试车数据的时域特征和频域特征进行了统计分析,并讨论了这些特征在新异类检测中的应用价值。 (4)根据检测数据对单类支持向量机的模型参数进行了修正;并应用...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题概述
        1.1.1 课题来源
        1.1.2 课题背景和意义
    1.2 国内外发展现状
        1.2.1 液体火箭发动机健康监控与故障诊断技术的研究现状
        1.2.2 新异类检测技术的研究现状
        1.2.3 新异类检测技术的应用现状
    1.3 论文结构安排
第二章 新异类检测理论
    2.1 新异类检测的概念和内涵
    2.2 几种典型的新异类检测算法
        2.2.1 高斯密度方法
        2.2.2 K－中心方法
        2.2.3 最近邻方法
        2.2.4 自组织映射方法
    2.3 基于单类支持向量机的新异类检测算法
        2.3.1 支持向量机理论
        2.3.2 单类支持向量机理论
    2.4 小结
第三章 涡轮泵试车数据分析与检测特征选择
    3.1 振动信号的特征参数分析方法
    3.2 新异类检测用特征选取的特殊困难和特殊要求
    3.3 涡轮泵试车数据分析
        3.3.1 原始试车数据分析
        3.3.2 时域统计特征参数分析
        3.3.3 频域统计特征参数分析
    3.4 试车数据检测特征选择
        3.4.1 新异类检测用特征选取与构建
        3.4.2 几点特殊考虑
    3.5 小结
第四章 基于单类支持向量机的涡轮泵试车数据检测
    4.1 高斯核函数单类支持向量机检测模型
    4.2 模型优化
        4.2.1 平滑参数的调节
        4.2.2 高斯参数的调节
        4.2.3 阈值缩放比例系数的调节
    4.3 训练方法的改进
        4.3.1 多层支持向量训练网络
        4.3.2 数据验证
    4.4 涡轮泵试车数据检测
        4.4.1 训练/检测逻辑
        4.4.2 检测结果
    4.5 小结
第五章 新异类检测算法的实验室验证
    5.1 实验室级转子平台试验系统
    5.2 新异类检测模型的验证
        5.2.1 故障模拟与振动信号分析
        5.2.2 振动信号检测
    5.3 小结
第六章 总结与展望
    6.1 结论
    6.2 展望
致谢
参考文献
附录：硕士期间发表论文情况



本文编号：3980239