手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

基于全矢高阶谱的故障诊断方法及其应用研究

李朋勇

   高阶谱是处理非线性、非高斯性信号的有方工具。但传统高阶谱是以单通道信号来进行分析的,不能全面反映转子的空间振动信息,从而影响了故障诊断的准确性和可靠性。基于信息融合的全矢谱技术是全信息分析方法之一,它可以有效融合转子同一截面的双通道信号,真实反映转子的空间运转信息。基于此,本文将全矢谱技术引入到高阶谱分析中,对高阶谱方法进行了拓展,并提出了几种新的故障智能诊断方法,应用到了旋转机械故障诊断中。主要工作如下: 1、在高阶谱中,双谱阶次最低,并且具有高阶谱的所有特性。本文在简要介绍高阶谱理论的基础上,着重讨论了双谱的定义、性质、算法和物理意义,分析了传统单通道双谱分析存在的问题,指出了本文研究的出发点和必要性。 2、针对传统双谱分析存在的问题,将全矢谱技术引入到双谱分析中,提出了一种新的矢双谱分析方法,并对其定义、算法和性质进行了阐述。然后通过仿真和实验对这一方法进行了验证。结果表明,矢双谱方法能够有效融合双通道信号,更充分地反映信号中所包含的非线性特征信息,从而为下一步的故障诊断提供准确可靠的依据。 3、BP神经网络(BPNN)具有良好的推广能力和分类能力。本文论述了BP网络的结构和算法步骤,将矢双谱方法与之相结合,提出了矢双谱—BPNN故障诊断方法。该方法采用矢双谱对振动信号进行处理并提取特征向量,以此作为BP网络的输入参数进行训练和分类。实验结果表明,该方法是有效的。 4、支持向量机(SVM)是在统计学习理论基础上发展起来的一种机器学习方法,它能够较好地解决小样本学习问题。基于此,提出了矢双谱—SVM故障诊断方法。将该方法应用于滚动轴承和齿轮箱的故障诊断中,结果表明,该方法可以有效提取振动信号的特征信息,提高SVM在诊断中的准确性。 5、支持向量数据描述(SVDD)是一种单值分类方法,可以解决故障诊断中故障样本缺乏的问题。本文结合双谱分析和支持向量数据描述的各自特点,先提出了一种基于双谱和支持向量数据描述的智能诊断方法——双谱—SVDD,实验表明,该方法是有效的。在双谱—SVDD方法的基础上,又进一步提出基于全信息的双谱支持向量数据描述方法——矢双谱—SVDD。齿轮箱实验研究表明,与传统双谱—SVDD方法相比,融合了转子双通道信息的矢双谱—SVDD方法的故障识别效果更为突出。……   
[关键词]:故障诊断;信息融合;矢双谱;BP神经网络;支持向量机;支持向量数据描述
[文献类型]:硕士论文
[文献出处]:郑州大学2010年