基于FVMD多尺度排列熵和KFCM聚类的运行可靠性评估方法

发布时间：2021-05-19 09:16

　　机械设备的可靠运行既关系到机械设备的产品质量,也关系到机械设备的实际生产,因而机械设备的运行可靠性直接决定其核心竞争力。论文提出基于快速变分模态分解、参数优化多尺度排列熵和核模糊C均值聚类的运行可靠性评估方法。首先从信号处理方法着手,对振动信号进行处理,进而对处理后的信号进行特征提取,最后对提取的特征数据进行运行可靠性计算,完成对机械设备的运行可靠性评估。首先,采用快速变分模态分解方法对振动信号进行信号处理。快速变分模态分解方法是对变分模态分解方法改进得来的,它通过引入一个迭代算子对算法中原有的拉格朗日乘法算子进行二次更新,使得在迭代终止条件不变的情况下,减少迭代次数及运行时间。通过非平稳仿真信号的分解对快速变分模态分解方法进行验证,并将快速变分模态分解应用于实测信号分解。其次,分析多尺度排列熵方法的参数尺度因子s、时间序列长度N、延迟时间τ和嵌入维数m对熵值的影响,因此考虑采用优化算法对多尺度排列熵方法的参数选取进行优化,提出有向自组织动态拓扑混合群优化多尺度排列熵方法。通过结合快速变分模态分解方法,先对信号进行处理,进而利用多尺度排列熵量化处理后信号的状态信息,留待后续方法处理使用... 

【文章来源】：燕山大学河北省

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外发展现状
        1.2.1 特征提取方法研究现状
        1.2.2 运行可靠性评估方法研究现状
    1.3 课题来源
    1.4 课题主要研究内容
        1.4.1 研究思路
        1.4.2 研究内容
第2章 快速变分模态分解方法
    2.1 信号分析方法相关理论
        2.1.1 希尔伯特变换
        2.1.2 傅里叶频率和瞬时频率
        2.1.3 EMD和 LMD方法
        2.1.4 VMD方法
    2.2 FVMD方法
        2.2.1 FVMD原理
        2.2.2 FVMD分解过程
        2.2.3 模态个数波动法
    2.3 FVMD方法分析
        2.3.1 含噪仿真信号
        2.3.2 间断仿真信号
        2.3.3 锯齿仿真信号
    2.4 FVMD方法应用
    2.5 本章小结
第3章 参数优化多尺度排列熵方法
    3.1 多尺度排列熵
        3.1.1 排列熵原理
        3.1.2 多尺度排列熵原理
        3.1.3 多尺度排列熵参数
    3.2 有向自组织动态拓扑混合群优化多尺度排列熵
        3.2.1 有向自组织动态拓扑混合群智能算法
        3.2.2 多尺度排列熵参数优化
    3.3 本章小结
第4章 核模糊C均值聚类运行可靠性计算方法
    4.1 核模糊C均值聚类方法
        4.1.1 模糊C均值聚类原理
        4.1.2 核模糊C均值聚类原理
        4.1.3 聚类评价指标
    4.2 核模糊C均值聚类运行可靠性计算
        4.2.1 隶属度函数
        4.2.2 贴近度
        4.2.3 运行可靠性评估
    4.3 实例验证
    4.4 本章小结
第5章 复杂多载荷工况下轴承运行可靠性评估实验
    5.1 实验方案
        5.1.1 实验平台
        5.1.2 数据采集系统
        5.1.3 数据采集方案
    5.2 轴承运行可靠性评估
        5.2.1 信号的分解与重构
        5.2.2 特征向量的提取
        5.2.3 运行可靠性计算
    5.3 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于FVMD多尺度排列熵和GK模糊聚类的故障诊断[J]. 陈东宁,张运东,姚成玉,孙飞,周能元.  机械工程学报. 2018(14)
[2]基于MCKD和VMD的滚动轴承微弱故障特征提取[J]. 夏均忠,赵磊,白云川,于明奇,汪治安.  振动与冲击. 2017(20)
[3]基于VMD和1.5维Teager能量谱的滚动轴承故障特征提取[J]. 向玲,张力佳.  振动与冲击. 2017(18)
[4]基于粒子群优化的改进EMD算法在轴承故障特征提取中的应用[J]. 郭泰,邓忠民,徐萌.  振动与冲击. 2017(16)
[5]变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法[J]. 姜万录,王浩楠,朱勇,王振威,董克岩.  中国机械工程. 2017(10)
[6]基于参数优化MPE与FCM的滚动轴承故障诊断[J]. 陈东宁,张运东,姚成玉,来博文,吕世君.  轴承. 2017(05)
[7]基于自组织神经网络的滚动轴承状态评估方法[J]. 张全德,陈果,林桐,欧阳文理,滕春禹,王洪伟.  中国机械工程. 2017(05)
[8]基于VMD的自适应形态学在轴承故障诊断中的应用[J]. 钱林,康敏,傅秀清,王兴盛,费秀国.  振动与冲击. 2017(03)
[9]自适应多小波混合构造方法及在故障诊断中应用[J]. 袁静,魏颖,訾艳阳,王志诚,倪修华.  振动与冲击. 2016(23)
[10]调幅-调频信号的经验模态分解包络技术和模态混叠[J]. 何刘,林建辉,丁建明,刘新厂.  机械工程学报. 2017(02)

硕士论文
[1]基于振动信号的滚动轴承故障诊断的方法研究[D]. 崔硕.太原理工大学 2007



本文编号：3195523