基于小波包熵和高斯混合模型的设备故障诊断和性能退化方法研究

发布时间：2017-08-01 01:04

  本文关键词：基于小波包熵和高斯混合模型的设备故障诊断和性能退化方法研究

  更多相关文章： 性能退化评估 滚动轴承 小波包熵 高斯混合模型 偏离值

【摘要】：传统的设备维护模式是基于被动维修策略的事后维修、定期维修和视情维修，这种应对式的维修难以满足现在的生产要求。因此，需根据设备运行状态主动的制定相应的维护策略。 设备性能退化评估就是一种基于主动维护策略的维护技术。性能退化评估方法与传统的故障诊断方法不同之处在于该法重点是针对设备全寿命周期内的走势进行预测分析，并不是局限于某一个特定的状态。本文以滚动轴承为研究对象，提取信号的小波包熵特征，分别建立基准状态和运行状态的高斯混合模型(Gaussian Mixture Model,GMM)，通过比较运行状态模型相对于基准状态模型的偏离程度对设备性能退化状态进行分析。论文主要内容包括： (1)针对小波特征提取以及故障信号的特点，对小波分解过程中小波包基和分解层数的选择进行了研究。 (2)利用基于GMM的方法进行轴承故障诊断，并与SVM方法进行对比，验证了所提方法的有效性和准确性。 (3)提出了基于偏离值的性能退化分析方法，对滚动轴承仿真数据进行了分析，，并与时域特征进行比较；对滚动轴承全寿命周期数据进行退化分析并与基于逻辑回归的设备性能退化分析方法进行了比较。结果表明所提方法具有较好的早期故障识别能力，能够较准确的反映滚动轴承性能退化全过程，并具有无需历史数据以及无需定义先验概率的优点。
【关键词】：性能退化评估 滚动轴承 小波包熵 高斯混合模型 偏离值
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH165.3
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-9
• 第一章 绪论9-16
• 1.1 课题研究的背景和意义9-10
• 1.1.1 课题来源9
• 1.1.2 研究意义9-10
• 1.2 国内外相关研究10-14
• 1.2.1 设备性能退化评估研究现状10-13
• 1.2.2 智能诊断的研究现状13-14
• 1.3 研究内容14-16
• 第二章 小波包熵和高斯混合模型理论16-33
• 2.1 小波理论16-23
• 2.1.1 连续小波变换16-17
• 2.1.2 离散小波变换17-18
• 2.1.3 多分辨率分析和 Mallat 算法18-21
• 2.1.4 小波包理论21-23
• 2.2 小波包熵23-25
• 2.2.1 小波基函数选择24-25
• 2.2.2 小波分解层数确定25
• 2.3 高斯混合模型理论25-31
• 2.3.1 高斯混合模型26-27
• 2.3.2 高斯混合模型参数估计27-29
• 2.3.3 参数初始化29-30
• 2.3.4 混合数目的确定30-31
• 2.4 本章小结31-33
• 第三章 基于高斯混合模型的设备故障信号分类识别方法33-50
• 3.1 机械设备故障信号建模方法33-36
• 3.1.1 统计信号的建模总体框架33-35
• 3.1.2 基于高斯混合模型的建模方法35-36
• 3.2 滚动轴承模拟实验36-38
• 3.2.1 实验系统及其组成36-37
• 3.2.2 故障轴承参数37-38
• 3.3 实验分析38-49
• 3.3.1 分解层数和小波基的确定38-40
• 3.3.2 故障类型识别40-41
• 3.3.3 故障程度识别41-43
• 3.3.4 基于相似度的模式识别方法43-48
• 3.3.5 实例分析48-49
• 3.4 本章小结49-50
• 第四章 基于高斯混合模型的设备性能退化评估方法50-70
• 4.1 性能退化评估流程51-52
• 4.2 仿真数据分析52-55
• 4.2.1 时域特征趋势分析52-54
• 4.2.2 基于高斯混合模型的性能退化分析54-55
• 4.3 实验分析55-69
• 4.3.1 时域特征分析57-59
• 4.3.2 基于高斯混合模型的设备性能退化分析59-67
• 4.3.3 基于逻辑回归的设备性能退化分析67-69
• 4.4 本章小结69-70
• 结论与展望70-72
• 参考文献72-77
• 攻读硕士学位期间取得的研究成果77-78
• 致谢78-79
• 附录79

【参考文献】

中国期刊全文数据库 前10条

1 彭宇;刘大同;彭喜元;;故障预测与健康管理技术综述[J];电子测量与仪器学报;2010年01期

2 郭磊;陈进;;小波包熵在设备性能退化评估中的应用[J];机械科学与技术;2008年09期

3 申_",黄树红,韩守木,杨叔子;旋转机械振动信号的信息熵特征[J];机械工程学报;2001年06期

4 邓艾东;包永强;赵力;;基于高斯混合模型的转子碰摩声发射识别方法[J];机械工程学报;2010年15期

5 刘美芳;余建波;尹纪庭;;基于贝叶斯推论和自组织映射的轴承性能退化评估方法[J];计算机集成制造系统;2012年10期

6 井夫宣;张宁;刘虎;;主动维护在液压系统上的研究和应用[J];液压与气动;2008年06期

7 潘玉娜;陈进;;小波包-支持向量数据描述在轴承性能退化评估中的应用研究[J];振动与冲击;2009年04期

8 骆志高;陈保磊;庞朝利;陈鹏;;基于遗传算法的滚动轴承复合故障诊断研究[J];振动与冲击;2010年06期

9 肖文斌;陈进;周宇;王志阳;赵发刚;;小波包变换和隐马尔可夫模型在轴承性能退化评估中的应用[J];振动与冲击;2011年08期

10 肖涵;李友荣;吕勇;;基于四分位偏差分形维与高斯混合模型的故障识别算法研究[J];振动工程学报;2008年01期

中国博士学位论文全文数据库 前1条

1 郭磊;基于核模式分析方法的旋转机械性能退化评估技术研究[D];上海交通大学;2009年

本文编号：601850