时域自相似振动信号特征提取及其在机械设备异常检测中的应用研究
发布时间：2021-07-24 09:20
近年来,随着科学技术的高速发展,机械设备逐渐向自动化,大型化,精密化方向发展。机械设备的稳定高效运行对提高生产效率,节约生产成本等具有重要意义。因此,对机械异常进行检测是十分必要的,这使得机械运行过程中的异常现象能够及时地被发现,从而尽快采取合理有效的措施,避免重大财产和人身损失。本研究针对机械异常检测这一核心问题,利用机械运行过程中采集到的振动信号,提出了一种自相似振动信号特征提取方法,并探究其在实际机械设备异常检测中的可行性和有效性。通常来说,机械异常检测过程包括三部分:（1）信号采集;（2）特征提取和（3）异常决策。其中特征提取是最重要和最核心的一步,其决定着异常检测方法的有效性。本研究提出了一种有效的自相似振动信号特征提取方法,这种方法在利用词袋模型对机械振动信号进行自相似特征提取的过程中,充分考虑了机械振动信号的结构信息和时序信息。词袋模型的构建是自相似特征提取方法的第一步。本文通过K均值聚类方法,对训练样本进行聚类,并将聚类中心和聚类方差记作编码字,从而构建词袋模型。对于采集到的振动信号,根据训练阶段构建的词袋模型,三种策略（直方图策略,嵌入法策略和相关图策略）被用于特征组...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１－２机械异常检测方法??
?山东大学硕士学位论文???［？?？？？?ＪＩ?觀??（＾＼?？／?＼＊?？?）?１?－?ｍａｘ??＾。八??尖?３?类?４?－１?Ｉ?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?＾??Ｖ?Ｊ?Ｖ?１?２?３?４?５?６?７??图２－１基于轮廓系数的Ｋ均值聚类方法：（ａ）训练样本，（ｂ）第ｉ个样本的轮廓系数计算过??程，（ｃ）不同聚类数目对应的全局轮廓系数，（ｄ）最优聚类结果。??机械振动信号与词袋模型进行组装，能够准确的反映机械状态，从而分析机械??出现异常。??２．２自相似特征组装??自相似特征多用于图像特征提取，通过比较图像在前一时刻和后一时刻的??颜色相似信息，提取图像的特征信息，从而提高图像的检索效率和效果［５５］。基??于这种思想，本文对采集到的振动信号的局部片段进行分析提取到自相似特??征，它考虑了片段内振动信号的时间序列信息和结构信息。根据上文构建的词??袋模型，本文提供了三种自相似特征组装方式，分别对振动信号进行特征提??龋??需要注意的是，根据上文词袋模型己经被构建为但是在本文提出??的前两种自相似特征组装策略（直方图策略和嵌入发策略）中，仅词袋模型中??的｛／＆｝被用于自相似特征组装，而在第三种相关图策略中，词袋模型仏??被用于自相似特征组装。这种差别是由于所采用编码策略自身的计算特性决定??的。??－１２－??
己经被广泛的用于多个??领域。在图像处理中１５６１，直方图是一个十分重要的处理要素，通过直方图中柱??状图的分布表示图像特征，对图像分割、图像检索和图像分类等具有十分重要??的意义。在品质管理中Ｉ５＇直方图通过对收集到的产品信息进行处理，能够直??观的反映产品的质量分布情况，为产品合格率的计算以及后续产品质量提高改??进提供依据。在本文中，将直方图的思想应用到自相似特征组装中。???监测的振动信号???？??词＾＾型周号最小距离?ｐＴＴｈ?ｈ??丨賴：：卜—各畲??图２－２基于直方图策略的自相似特征组装过程．??直方图策略实施过程如图２－２所示，我们首先将采集到的机械振动信号表??示为Ｘ?＝?｛ａ：（？＿１）ｒ＋，，丨，其中ｒｉ是周期数，ｕ是相位，周期长度。根据上文构建??的词袋模型〇＾丨４＝?１，．．．，尺，对于第ｎ个周期中的每一个数据ｘ（？＿１）：ｒ＋ｌ；分别??利用公式２－５计算它与所有编码字丨抖丨，Ａ：?＝?１，．．．，尺的距离为丨＜４，．．．，巧＃｝。??＾ｖ，ｋ?＝?ｌｘ（ｎ－ｌ）Ｔ＋ｖ?—?Ｍｆｃｌ）?＾?＝?１，?２，．?．?．?，?ｉＣ?（２－５）??根据计算得到的丨．，＜人丨寻找与数据：Ｔ（？＿１）：ｒ＋？距离最近的编码字??Ｈｋ?＝?ａｒｇ?ｍｉｎ?ｄ＂?ｋ?（２－６）??ｋｅ｛ｌ，２，－，Ｋ］??并用编码字＆代替表示数据??对第ｎ个周期中的每一个数据进行上述计算，最终第ｎ个周期中的每一个数??都用与其距离最近的编码字代替，统计每个编码字出现的次数构成第ｎ个周期??的直方图札＝?心，２，．．．九，／ｃ｝。对每个周期利用上述操作计算直方图，原??始信号Ｘ最终被表示为一系列的直方
【参考文献】：
期刊论文
[1]基于分层嵌入模型推荐系统的研究[J]. 涂刚,涂建新. 科技通报. 2019(05)
[2]探究民航飞机机械故障诊断技术[J]. 王朋飞. 内燃机与配件. 2018(17)
[3]利用时域参数联合统计钻井泵振动特征提取的研究[J]. 吕苗荣,金育琦,林伟旺. 机械科学与技术. 2017(04)
[4]基于证据理论和支持向量机的风机故障智能诊断[J]. 李家伟. 吉林大学学报(理学版). 2016(03)
[5]傅里叶分析在信号处理中的仿真[J]. 王小妮,李翠,刘博,吴伟伟,王磊. 通讯世界. 2016(06)
[6]基于稠密局部自相似特征流的图像配准算法[J]. 徐少平,刘小平,李春泉,胡凌燕,杨晓辉. 光电子.激光. 2013(08)
[7]工程质量管理频数分布直方图法探讨[J]. 彭锦红. 价值工程. 2013(17)
[8]随机共振消噪和EMD分解在轴承故障诊断中的应用[J]. 张超,陈建军. 机械设计与研究. 2013(01)
[9]信息熵性质的数值分析[J]. 扈国栋. 榆林学院学报. 2012(06)
[10]旋转机械局部故障力的模型诊断及瞬时故障力识别[J]. 姚红良,李鹤,李小彭,闻邦椿. 机械工程学报. 2007(01)
博士论文
[1]基于流形学习的旋转机械早期故障融合诊断方法研究[D]. 马婧华.重庆大学 2015
硕士论文
[1]燃气设备故障诊断及寿命预测[D]. 章富成.北京建筑大学 2018
[2]机械压力机故障诊断系统的研制[D]. 林静.广东工业大学 2013
本文编号：3300381
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
图１－２机械异常检测方法??
?山东大学硕士学位论文???［？?？？？?ＪＩ?觀??（＾＼?？／?＼＊?？?）?１?－?ｍａｘ??＾。八??尖?３?类?４?－１?Ｉ?Ｉ?Ｉ?Ｉ?ＩＩ?Ｉ?＾??Ｖ?Ｊ?Ｖ?１?２?３?４?５?６?７??图２－１基于轮廓系数的Ｋ均值聚类方法：（ａ）训练样本，（ｂ）第ｉ个样本的轮廓系数计算过??程，（ｃ）不同聚类数目对应的全局轮廓系数，（ｄ）最优聚类结果。??机械振动信号与词袋模型进行组装，能够准确的反映机械状态，从而分析机械??出现异常。??２．２自相似特征组装??自相似特征多用于图像特征提取，通过比较图像在前一时刻和后一时刻的??颜色相似信息，提取图像的特征信息，从而提高图像的检索效率和效果［５５］。基??于这种思想，本文对采集到的振动信号的局部片段进行分析提取到自相似特??征，它考虑了片段内振动信号的时间序列信息和结构信息。根据上文构建的词??袋模型，本文提供了三种自相似特征组装方式，分别对振动信号进行特征提??龋??需要注意的是，根据上文词袋模型己经被构建为但是在本文提出??的前两种自相似特征组装策略（直方图策略和嵌入发策略）中，仅词袋模型中??的｛／＆｝被用于自相似特征组装，而在第三种相关图策略中，词袋模型仏??被用于自相似特征组装。这种差别是由于所采用编码策略自身的计算特性决定??的。??－１２－??
己经被广泛的用于多个??领域。在图像处理中１５６１，直方图是一个十分重要的处理要素，通过直方图中柱??状图的分布表示图像特征，对图像分割、图像检索和图像分类等具有十分重要??的意义。在品质管理中Ｉ５＇直方图通过对收集到的产品信息进行处理，能够直??观的反映产品的质量分布情况，为产品合格率的计算以及后续产品质量提高改??进提供依据。在本文中，将直方图的思想应用到自相似特征组装中。???监测的振动信号???？??词＾＾型周号最小距离?ｐＴＴｈ?ｈ??丨賴：：卜—各畲??图２－２基于直方图策略的自相似特征组装过程．??直方图策略实施过程如图２－２所示，我们首先将采集到的机械振动信号表??示为Ｘ?＝?｛ａ：（？＿１）ｒ＋，，丨，其中ｒｉ是周期数，ｕ是相位，周期长度。根据上文构建??的词袋模型〇＾丨４＝?１，．．．，尺，对于第ｎ个周期中的每一个数据ｘ（？＿１）：ｒ＋ｌ；分别??利用公式２－５计算它与所有编码字丨抖丨，Ａ：?＝?１，．．．，尺的距离为丨＜４，．．．，巧＃｝。??＾ｖ，ｋ?＝?ｌｘ（ｎ－ｌ）Ｔ＋ｖ?—?Ｍｆｃｌ）?＾?＝?１，?２，．?．?．?，?ｉＣ?（２－５）??根据计算得到的丨．，＜人丨寻找与数据：Ｔ（？＿１）：ｒ＋？距离最近的编码字??Ｈｋ?＝?ａｒｇ?ｍｉｎ?ｄ＂?ｋ?（２－６）??ｋｅ｛ｌ，２，－，Ｋ］??并用编码字＆代替表示数据??对第ｎ个周期中的每一个数据进行上述计算，最终第ｎ个周期中的每一个数??都用与其距离最近的编码字代替，统计每个编码字出现的次数构成第ｎ个周期??的直方图札＝?心，２，．．．九，／ｃ｝。对每个周期利用上述操作计算直方图，原??始信号Ｘ最终被表示为一系列的直方
【参考文献】：
期刊论文
[1]基于分层嵌入模型推荐系统的研究[J]. 涂刚,涂建新. 科技通报. 2019(05)
[2]探究民航飞机机械故障诊断技术[J]. 王朋飞. 内燃机与配件. 2018(17)
[3]利用时域参数联合统计钻井泵振动特征提取的研究[J]. 吕苗荣,金育琦,林伟旺. 机械科学与技术. 2017(04)
[4]基于证据理论和支持向量机的风机故障智能诊断[J]. 李家伟. 吉林大学学报(理学版). 2016(03)
[5]傅里叶分析在信号处理中的仿真[J]. 王小妮,李翠,刘博,吴伟伟,王磊. 通讯世界. 2016(06)
[6]基于稠密局部自相似特征流的图像配准算法[J]. 徐少平,刘小平,李春泉,胡凌燕,杨晓辉. 光电子.激光. 2013(08)
[7]工程质量管理频数分布直方图法探讨[J]. 彭锦红. 价值工程. 2013(17)
[8]随机共振消噪和EMD分解在轴承故障诊断中的应用[J]. 张超,陈建军. 机械设计与研究. 2013(01)
[9]信息熵性质的数值分析[J]. 扈国栋. 榆林学院学报. 2012(06)
[10]旋转机械局部故障力的模型诊断及瞬时故障力识别[J]. 姚红良,李鹤,李小彭,闻邦椿. 机械工程学报. 2007(01)
博士论文
[1]基于流形学习的旋转机械早期故障融合诊断方法研究[D]. 马婧华.重庆大学 2015
硕士论文
[1]燃气设备故障诊断及寿命预测[D]. 章富成.北京建筑大学 2018
[2]机械压力机故障诊断系统的研制[D]. 林静.广东工业大学 2013
本文编号：3300381
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3300381.html
