基于局部线性嵌入的旋转机械故障诊断研究

发布时间：2017-08-30 18:33

  本文关键词：基于局部线性嵌入的旋转机械故障诊断研究

  更多相关文章： 流形学习 局部线性嵌入 特征提取 维数简约 分类识别

【摘要】：旋转机械是现代工程各行业中的核心设备，其关键部分为转子-轴承系统。在旋转机械高速、高载、长时等工作环境下，转子系统易产生转子不平衡、不对中等一系列故障，若不及时诊断维护，将造成一定的经济损失或社会影响。面对现实故障数据集的高维非线性特点，传统的线性方法存在一定的局限性，然而，利用非线性流形学习方法能准确地提取有效信息，同时避免“维数灾难”。因此，本文以旋转机械为研究对象，设计了转子系统故障模拟实验方案，在基于局部线性嵌入的流形学习方法研究基础上，对其算法进行优化以得到更好的故障诊断效果，主要研究工作如下： 1)根据研究对象设计了转子系统故障模拟实验方案，在综合故障实验台上对转子系统正常状态、转子不平衡、不对中、基座松动故障进行了模拟，以及相应振动信号的采集，并对各状态信号进行了时频特性分析。 2)分析了经典流形学习方法的主要思想及优缺点，针对故障样本在流形上分布不均，而局部线性嵌入算法(LLE)降维效果易受近邻点数影响的问题，提出了一种均匀化距离的局部线性嵌入算法(MLLE)，通过均匀化距离代替欧氏距离，利用点间距离平均值的倒数调节使样本点间的距离整体分布趋于均匀化而减小近邻点数的影响。分析比较了两种LLE算法的故障识别率，并探讨了故障识别率随参数近邻点数或嵌入维数的变化。 3)为进一步提高故障识别率及算法的稳定性，在核方法与监督学习研究的基础上，提出了一种基于局部线性嵌入的核监督方法(KSLLE)，通过核函数将数据样本映射到核特征空间使其更具可分性，再在特征空间中进行监督LLE降维与分类识别。另一方面，进一步结合MLLE与监督学习思想，提出一种监督均匀化距离的局部线性嵌入算法(SMLLE)，首先采用均匀化距离度量使样本分布均匀，再通过监督学习增加样本点的类别信息，使类内聚集而类间分散，从而更有效的进行分类。最后，将LLE、SLLE、KSLLE、SMLLE进行故障识别率的分析比较。 4)考虑到不同故障类型存在不同的多流形子空间中，将流形学习从单流形扩展到多流形，提出一种基于局部线性嵌入的多流形故障诊断方法，构建多流形LLE框架，利用多LLE分别提取数据集在其不同本征维数流形上的特征，通过特征向量的聚类中心与故障新样本的距离比较，，进行判别分类。通过实验数据分析验证算法的可行性。
【关键词】：流形学习 局部线性嵌入 特征提取 维数简约 分类识别
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 课题研究背景10-11
• 1.2 国内外研究现状11-13
• 1.3 存在的问题13-14
• 1.4 课题研究主要内容14-16
• 第二章 转子-轴承系统故障模拟实验16-25
• 2.1 转子-轴承系统故障模拟实验台搭建16-18
• 2.1.1 综合故障模拟实验台16-17
• 2.1.2 振动信号采集系统17-18
• 2.2 转子-轴承系统故障实验方案设计18-20
• 2.3 实验数据分析处理20-23
• 2.3.1 信号的时频特性20-22
• 2.3.2 振动信号数据融合22-23
• 2.4 本章小结23-25
• 第三章 基于均匀化距离的局部线性嵌入故障诊断25-39
• 3.1 流形学习概述25-27
• 3.2 均匀化距离的 LLE 算法27-33
• 3.2.1 LLE 算法思想与步骤27-29
• 3.2.2 均匀化距离的 LLE 算法思想与步骤29-33
• 3.3 基于均匀化距离 LLE 的故障诊断33-34
• 3.4 故障识别率随参数的变化34-37
• 3.4.1 近邻点数的变化34-36
• 3.4.2 嵌入维数的变化36-37
• 3.5 本章小结37-39
• 第四章 基于核方法与监督学习的局部线性嵌入故障诊断39-51
• 4.1 监督局部线性嵌入算法39-40
• 4.1.1 监督学习39
• 4.1.2 监督 LLE 的思想及步骤39-40
• 4.2 核监督局部线性嵌入算法40-45
• 4.2.1 核的理论及方法40-42
• 4.2.2 核监督 LLE 的思想及步骤42-45
• 4.3 监督均匀化距离的局部线性嵌入算法45
• 4.4 基于 SLLE、KSLLE 与 SMLLE 的故障诊断45-49
• 4.5 本章小结49-51
• 第五章 基于局部线性嵌入的多流形故障诊断51-58
• 5.1 多流形学习方法51-52
• 5.2 基于局部线性嵌入的多流形思想构建52-53
• 5.3 基于局部线性嵌入的多流形算法53-54
• 5.3.1 流形距离度量53-54
• 5.3.2 算法步骤54
• 5.4 基于局部线性嵌入的多流形故障诊断54-57
• 5.4.1 数据构建预处理54-55
• 5.4.2 故障诊断分析55-57
• 5.5 本章小结57-58
• 第六章 总结与展望58-61
• 6.1 论文总结58-59
• 6.2 研究展望59-61
• 参考文献61-65
• 致谢65-66
• 附录：攻读硕士学位期间主要研究成果目录66

【参考文献】

中国期刊全文数据库 前10条

1 许建华,张学工,李衍达;基于核函数的非线性口袋算法[J];电子学报;2003年04期

2 潘志松,陈松灿,张道强;原空间中的核SOM分类器[J];电子学报;2004年02期

3 罗磊;李跃华;;基于LLE的分类算法及其在被动毫米波目标识别中的应用[J];电子与信息学报;2010年06期

4 李见为;樊超;王玮;;监督局部线性嵌入在人脸识别中的应用[J];重庆大学学报;2010年02期

5 陈国荣;鄢萍;刘飞;易润忠;赵静;;滚齿机网络化故障诊断专家系统的设计及应用[J];重庆大学学报;2010年05期

6 黄添强;李凯;郑之;;有监督的噪音流形学习算法[J];广西师范大学学报(自然科学版);2011年03期

7 张峗;李本威;;基于最大方差展开的非线性信号降噪方法及其在故障诊断中的应用[J];中国科学:技术科学;2010年08期

8 孟德宇;徐宗本;戴明伟;;一种新的有监督流形学习方法[J];计算机研究与发展;2007年12期

9 蒋润;周激流;雷刚;李晓华;;基于有监督流形学习的正交投影降维[J];计算机工程;2009年23期

10 王立志;黄鸿;冯海亮;;多线性局部与全局保持嵌入在高光谱遥感影像分类中的应用[J];计算机辅助设计与图形学学报;2012年06期

本文编号：760930