基于多源信息融合贝叶斯网络的滚动轴承故障诊断方法

发布时间：2017-06-11 22:02

  本文关键词：基于多源信息融合贝叶斯网络的滚动轴承故障诊断方法，由笔耕文化传播整理发布。

【摘要】：随着现代化大型机械设备日益向大型化、复杂化和精密化的方向发展，部件的结构日趋精密。但各部件之间存在许多错综复杂、关联耦合的相互关系，导致其故障特征信息具有不确定性、不完备性等特点，仅仅依靠单一信息源对故障难于做出精确的诊断。由于多源信息融合技术能够增加故障特征信息的完备性，贝叶斯网络能够克服故障特征信息的不确定性，本文提出基于多源信息融合贝叶斯网络的故障诊断方法并验证所提方法的有效性。 首先，针对小波包分解算法在对信号进行分解时存在的不足，利用改进小波包分解算法对故障信号中包含重要信息频带的信号能量进行特征提取。该方法不仅可以减小由小波滤波器组的频域特性和隔点采样所造成的频率混叠现象，而且可以避免小波包分解算法计算量大的缺点。 其次，针对故障特征信息集合中存在冗余属性的问题，以及各个属性对系统分类的重要程度不同的情况，提出基于类差别矩阵和属性重要度相结合的属性约简算法，根据样本决策表构建类差别矩阵，选择属性重要度最大的属性并入约简集。该算法可以有效地对故障特征信息进行压缩并去除冗余属性。 再次，针对基于条件独立性假设的朴素贝叶斯分类器在实际应用中的局限性，提出基于熵权法的属性加权朴素贝叶斯分类器算法。该算法考虑了不同条件属性与类属性之间的相互关联程度，通过对它们的关联性的进一步利用来提升贝叶斯分类器的性能，以提高现有贝叶斯分类器的分类精度。 最后，针对滚动轴承的故障特征信息具有不确定性的特点，以及传统滚动轴承故障诊断方法的故障特征信息多数来自单一信息源的情况，，提出基于多源信息融合贝叶斯网络的故障诊断方法。利用改进小波包算法进行特征提取，利用基于类差别矩阵和属性重要度的算法进行属性约简，利用属性加权朴素贝叶斯分类器进行信息融合。最后以美国Case Western Reserve大学的滚动轴承实验数据为例验证所提方法的有效性。
【关键词】：故障诊断 信息融合 贝叶斯网络 改进小波包 差别矩阵 滚动轴承
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3;TH133.33
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-23
• 1.1 课题背景11
• 1.2 滚动轴承故障诊断方法11-14
• 1.3 多源信息融合技术研究现状14-15
• 1.4 基于多源信息融合的故障诊断方法15-18
• 1.4.1 数据层融合方法16
• 1.4.2 特征层融合方法16-17
• 1.4.3 决策层融合方法17
• 1.4.4 集成信息融合方法17-18
• 1.5 课题意义及来源18-19
• 1.6 研究思路与研究内容19-23
• 1.6.1 问题提出19-20
• 1.6.2 研究思路20-21
• 1.6.3 研究内容21-23
• 第2章 基于改进小波包算法的特征提取方法23-39
• 2.1 小波包算法23-27
• 2.1.1 小波包分析理论23-25
• 2.1.2 小波包算法的复杂度25
• 2.1.3 小波包分解树节点与信号子空间频带的对应关系25-27
• 2.2 改进小波包算法27-28
• 2.2.1 改进的小波包算法27
• 2.2.2 改进小波包算法的复杂度27-28
• 2.3 基于改进小波包算法的特征提取方法28-29
• 2.4 实例分析对比29-37
• 2.5 本章小结37-39
• 第3章 基于类差别矩阵和属性重要度的属性约简算法39-53
• 3.1 样本决策表的建立及离散化40-41
• 3.2 基于差别矩阵的属性约简算法41-43
• 3.3 基于类差别矩阵和属性重要度的属性约简算法43-46
• 3.3.1 属性重要度的计算方法43-44
• 3.3.2 基于类差别矩阵和属性重要度的属性约简算法流程44-45
• 3.3.3 算法复杂度分析45-46
• 3.4 实例分析46-52
• 3.5 本章小结52-53
• 第4章 多源信息融合属性加权朴素贝叶斯分类器算法53-72
• 4.1 多源信息融合理论54-55
• 4.1.1 多源信息融合概述54
• 4.1.2 多源信息融合的含义54-55
• 4.2 贝叶斯网络的描述及建模55-56
• 4.3 贝叶斯分类器56-62
• 4.3.1 朴素贝叶斯分类器57-58
• 4.3.2 互信息最大化选择性贝叶斯分类器58-59
• 4.3.3 局部加权朴素贝叶斯分类器59-61
• 4.3.4 属性加权朴素贝叶斯分类器61-62
• 4.4 属性加权朴素贝叶斯分类器算法62-63
• 4.5 实例分析63-71
• 4.6 本章小结71-72
• 第5章 滚动轴承的多源信息融合贝叶斯网络故障诊断72-94
• 5.1 滚动轴承故障机理及振动分析72-77
• 5.1.1 滚动轴承的故障模式及故障机理分析73-74
• 5.1.2 滚动轴承振动机理分析74-77
• 5.2 基于多源信息融合贝叶斯网络的滚动轴承故障诊断方法77-78
• 5.3 实例分析78-92
• 5.3.1 滚动轴承实验数据78-83
• 5.3.2 特征信息提取83-85
• 5.3.3 属性约简85-89
• 5.3.4 多源信息融合89-92
• 5.4 本章小结92-94
• 结论94-96
• 参考文献96-101
• 攻读硕士学位期间承担的科研任务与主要成果101-102
• 致谢102-103
• 作者简介103

【参考文献】

中国期刊全文数据库 前10条

1 徐光美;杨炳儒;秦奕青;张伟;;基于互信息的多关系朴素贝叶斯分类器[J];北京科技大学学报;2008年08期

2 钟志勇,陈鹰;多源信息融合中小波变换的应用研究[J];测绘学报;2002年S1期

3 李云松;任艳君;;智能诊断技术发展综述[J];四川兵工学报;2010年04期

4 李楠;曲长文;苏峰;平殿发;;基于证据组合理论的多传感器目标识别算法[J];弹箭与制导学报;2009年02期

5 黄文涛,赵学增,王伟杰,代礼周;汽轮发电机组振动故障诊断的粗糙集模型[J];电力系统自动化;2004年15期

6 曾宪伟;赵卫明;盛菊琴;;小波包分解树结点与信号子空间频带的对应关系及其应用[J];地震学报;2008年01期

7 雷英杰;王宝树;王毅;;基于直觉模糊决策的战场态势评估方法[J];电子学报;2006年12期

8 殷焕武;;基于粗糙集属性重要度的岗位评价方法及其应用[J];管理学报;2010年05期

9 刘金涛;;应用小波变换信息融合诊断航空发动机故障[J];装备制造技术;2008年11期

10 吴晓平;郑之松;付钰;;基于模糊逻辑和证据理论的故障诊断方法[J];海军工程大学学报;2012年01期

中国博士学位论文全文数据库 前1条

1 刘思远;信息融合和贝叶斯网络集成的故障诊断理论方法及实验研究[D];燕山大学;2010年

中国硕士学位论文全文数据库 前1条

1 郭润龙;基于RBF神经网络与D-S证据理论的数据融合方法及应用研究[D];东北林业大学;2009年

  本文关键词：基于多源信息融合贝叶斯网络的滚动轴承故障诊断方法，由笔耕文化传播整理发布。

本文编号：442535