收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于改进数学形态谱熵和SVM的电机轴承故障诊断方法研究

姚瑞  
【摘要】:轴承是电机拖动系统的核心部件之一,同时也是最容易出现故障的部件。由电机轴承故障引发的事故常常会造成重大损失,因此研究电机轴承故障诊断技术对及早发现故障、预防事故的发生,减少经济损失和人员伤亡具有重要意义。故障诊断主要包括对故障机理和故障诊断方法的研究。非线性动力学是研究故障发生、发展及其破坏过程机理的基础。故障诊断方法研究的关键是在探求故障机理的基础上,选择合适的方法来识别故障的类型、数量、位置和严重程度等。本文首先从故障机理研究出发,建立了电机转子—轴承系统碰磨、不对中和碰磨—不对中耦合故障的非线性动力学模型,分析了不同故障程度下的系统动力学特性;建立了基于分数阶微积分的电机转子—轴承系统裂纹故障的非线性动力学模型,并分别分析了时域、频域及轴心轨迹等特性。借助时域波形分岔图,深入探讨了阶次的变化对其动力学特性的影响,并研究了最佳阶次的选择问题。然后,基于数学形态谱熵理论和高阶差分思想,进行了轴承故障损伤程度识别方法的研究。结合数学形态学梯度函数,提出了高阶差分的数学形态梯度谱熵的定义,并将其应用于电机轴承故障损伤程度的识别,仿真和实验结果表明,该方法不仅提高了运算速度,也提高了不同故障熵值的区分度。为提高电机轴承故障分类准确率,提出了基于经验模态分解、模糊熵、改进粒子群算法和支持向量机(CWPSO-SVM)的电机轴承故障诊断模型。采用经验模态分解和模糊熵提取滚动轴承振动信号特征,使用变化的学习因子和惯性权重改进粒子群优化算法,并用于优化支持向量机的模型参数,实验结果表明,该模型提升了故障诊断方法的泛化性和分类准确性。最后,针对CWPSO-SVM模型运算时间较长的缺陷,提出一种基于经验模态分解、模糊信息熵、改进粒子群优化算法和最小二乘支持向量机的电机轴承故障诊断模型。因模糊熵的计算效率较低,使用模糊信息熵取代模糊熵,在不影响模型分类准确率的前提下,提高模型的训练速度。采用经验模态分解和模糊信息熵提取振动信号特征;使用粒子变异策略、变化的学习因子和惯性权重改进粒子群算法,利用改进的粒子群算法对最小二乘支持向量机的参数进行优化。实验结果表明,在诊断准确率相近的情况下,该模型拥有更快的诊断速度。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 王委;蒋刚;留沧海;;基于SVM的多足机器人故障诊断系统[J];西南科技大学学报;2018年01期
2 宋国明;王厚军;姜书艳;刘红;;最小生成树SVM的模拟电路故障诊断方法[J];电子科技大学学报;2012年03期
3 祖文超;苑津莎;王峰;刘磊;;基于SVM的纠错编码多分类算法的研究与应用[J];电子质量;2012年07期
4 廖剑;史贤俊;周绍磊;肖支才;;基于局部图嵌入加权罚SVM的模拟电路故障诊断方法[J];电工技术学报;2016年04期
5 王淑芳;;V参数SVM在烟气轮机故障诊断中的应用[J];现代电子技术;2012年05期
6 孙永奎;陈光;李辉;;基于自适应小波分解和SVM的模拟电路故障诊断[J];仪器仪表学报;2008年10期
7 李亚晨;王珍;陈建国;杨铎;;基于奇异值谱与SVM的涡旋压缩机故障诊断方法研究[J];压缩机技术;2017年03期
8 孟祥敏;宋平;谭继文;;基于小波包与SVM的滚珠丝杠故障诊断[J];机床与液压;2014年19期
9 亢生彩;;网格搜索法SVM参数优化在主扇风机故障诊断中的应用[J];煤炭技术;2015年01期
10 艾延廷;费成巍;;转子振动故障的小波能谱熵SVM诊断方法[J];航空动力学报;2011年08期
11 张华;曾文韬;鄢威;;基于符号动力学信息熵与SVM的液压泵故障诊断[J];振动.测试与诊断;2017年02期
12 肖金壮;王洪瑞;;基于SVM的数控系统连接类故障诊断方法[J];机床与液压;2009年11期
13 高朋飞;许同乐;侯蒙蒙;郎学政;李磊;;小波SVM核函数法在滚动轴承故障诊断中的应用[J];轴承;2013年12期
14 张英锋;马彪;张金乐;陈漫;范昱珩;李文昌;;基于光谱分析和SVM的综合传动故障诊断研究[J];光谱学与光谱分析;2010年06期
15 孙希凤;秦斌;王欣;;基于SVM的永磁无刷直流电机无位置传感器控制[J];电子产品世界;2020年01期
16 韩旭;杨珊;王喜梅;;基于商空间的黄金价格SVM模型预测[J];黄金科学技术;2020年01期
17 苏筱丽;;基于主成分降维的SVM回归模型在煤与瓦斯突出预测中的应用[J];工业计量;2020年01期
18 朱亚飞;付舒悦;杨仕虎;姚佩玲;谭颖;;基于SVM与fMRI技术对精神分裂症的分类研究[J];现代计算机;2020年01期
19 申莹;刘春阳;赵永翼;;基于SVM算法的微博评论数据情感分析[J];数字通信世界;2020年01期
中国重要会议论文全文数据库 前10条
1 王红军;徐小力;付瑶;;基于SVM的旋转机械故障诊断知识获取[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
2 司爱威;冯辅周;江鹏程;饶国强;王建;;基于可变风险SVM模型的故障识别方法研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
3 李薇;刘琦;马占鸿;;基于SVM法的小麦条锈病潜育期冠层高光谱识别研究[A];植保科技创新与农业精准扶贫——中国植物保护学会2016年学术年会论文集[C];2016年
4 杨镇宇;祝诗平;;基于机器视觉和SVM的花椒外观品质检测[A];2009全国虚拟仪器大会论文集(二)[C];2009年
5 张国栋;朱明华;余圣甫;张建强;李志远;;药芯焊丝飞溅率的SVM模型研究[A];第十五次全国焊接学术会议论文集[C];2010年
6 滕卫平;胡波;滕舟;钟元;;SVM回归法在西太平洋热带气旋路径预报中的应用研究[A];S1 灾害天气研究与预报[C];2012年
7 陈志建;宋家骅;程琳;;基于小波SVM的高速公路交通事件检测算法[A];城市交通发展模式转型与创新——中国城市交通规划2011年年会暨第25次学术研讨会论文集[C];2014年
8 朱蕾;朱国栋;石江;;SVM方法在乌鲁木齐机场跑道视程预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
9 王薇;李晓辉;;CDMA系统中基于SVM的多用户检测算法[A];第十九届电工理论学术年会论文集[C];2007年
10 李玉峰;郑德权;赵铁军;;基于SVM和多特征融合的图像分类[A];第四届全国信息检索与内容安全学术会议论文集(上)[C];2008年
中国博士学位论文全文数据库 前10条
1 张元侠;基于SVM学习模型的换挡决策研究[D];吉林大学;2019年
2 张婧;基于SVM的肺结节自动识别方法研究[D];华南理工大学;2011年
3 欧阳玲;基于遥感和SVM模型的松嫩平原南部耕地质量评价[D];中国科学院大学(中国科学院东北地理与农业生态研究所);2017年
4 宋国明;基于提升小波及SVM优化的模拟电路智能故障诊断方法研究[D];电子科技大学;2010年
5 孙钢;基于SVM的入侵检测系统研究[D];北京邮电大学;2007年
6 陈沅涛;图像视觉显著性和改进型SVM在图像分割中的研究[D];南京理工大学;2014年
7 张克;基于地震正演模拟和SVM的煤与瓦斯突出危险区预测研究[D];中国矿业大学;2011年
8 陈志茹;基于SVM集成学习的miRNA靶基因预测研究[D];燕山大学;2015年
9 崔明福;基于蛋白芯片联合生物信息学分析技术筛选结直肠癌血清标志物及SVM诊断模型构建[D];吉林大学;2020年
10 陈梅香;基于SVM和GIS的梨小食心虫预测系统的研究[D];北京林业大学;2010年
中国硕士学位论文全文数据库 前10条
1 姚瑞;基于改进数学形态谱熵和SVM的电机轴承故障诊断方法研究[D];大连交通大学;2019年
2 秦正飞;基于SVM智能混合方法的水电机组故障诊断与预测研究[D];昆明理工大学;2016年
3 张艳妮;基于SVM的刮板输送机故障诊断[D];西安科技大学;2015年
4 徐灿;基于信息熵和SVM原理的入侵载荷检测系统研究与实现[D];中南财经政法大学;2019年
5 郑留洋;基于车联网数据的货车出行风险画像与影响因素分析[D];北京交通大学;2019年
6 赵云飞;基于SVM的风电工程项目风险评价及防控措施研究[D];华北电力大学(北京);2019年
7 朱旭昇;基于多传感器特征融合和SVM的跌倒检测系统设计[D];广东工业大学;2019年
8 马园园;基于SVM的密封电子元器件组件信号识别技术开发[D];黑龙江大学;2019年
9 王霄;基于SVM的沪深300指数量化择时策略实证研究[D];兰州大学;2019年
10 孙晨光;基于PSO优化SVM的滚动轴承剩余使用寿命预测研究[D];石家庄铁道大学;2019年
中国重要报纸全文数据库 前4条
1 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年
2 邢小兵 记者 王瑶;我国首个航天器在轨故障诊断与维修实验室成立[N];解放军报;2014年
3 李萍;济钢EAM离线网络点检和故障诊断管理系统开发应用[N];世界金属导报;2007年
4 ;点火系故障诊断[N];华夏时报;2001年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978