收藏本站
《南京航空航天大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

转子故障智能诊断中的特征提取与选择技术研究

邓堰  
【摘要】: 航空发动机故障诊断的重要意义在于:一方面,它可以迅速而准确地确定故障部位及故障严重程度,有利于确保飞行安全以及减少投入维修的人力、物力,缩短飞行器的停飞时间,提高飞行器的利用率;另一方面,它又是实现先进的维修思想和维修方式的必要手段与前提条件。本文基于现代设备故障诊断技术,对航空发动机的3类转子故障(不平衡、碰摩和油膜涡动)进行了特征提取与选择,并运用结构自适应集成神经网络实现了这四类转子故障的智能诊断。 第一,本文研究了故障特征的提取技术。针对旋转机械的振动信号,首先提取了传统的频谱特征,构建了由各个分频和倍频组成的特征向量;其次,利用小波分析技术,研究了基于多分辨率分析和连续小波分析理论的转子故障信号特征提取技术,提出了一种基于小波多尺度空间能量特征的自动提取方法,以及一种基于连续小波变换的尺度谱图像纹理特征提取技术。并用算例验证了方法的正确有效性。 第二,针对提取出来的众多故障信号特征,研究了基于遗传算法的特征选择技术。由于适应度对遗传算法的影响很大,本文提出了4种适应度构造方法,即改进的距离判据适应度函数、平均值方差适应度函数、Fisher判别准则适应度函数以及基于最近邻分类法的适应度函数。最后,通过仿真实例对方法进行了验证,表明了本文提出的遗传算法特征选择技术的可行性。 第三,利用ZT-3多功能转子实验台,获得了不同转速下的3类转子故障数据样本共95个,其中不平衡样本26个,碰摩样本29个,油膜涡动样本40个。首先运用传统的频谱特征提取方法,小波能量特征自动提取方法,以及连续小波尺度谱图像纹理特征提取方法,分别提取了17个频谱特征,10个小波能量特征和20个连续小波尺度谱图像纹理特征。其次,用所提出的基于遗传算法的特征选择方法对这些特征进行选择优化,去除与分类不相关的冗余特征。最后,构建结构自适应集成神经网络对优化后的特征进行智能诊断,结果充分证明了本文提出的特征提取方法和选择在转子故障诊断中的的合理性与有效性。
【学位授予单位】:南京航空航天大学
【学位级别】:硕士
【学位授予年份】:2008
【分类号】:TH165.3

手机知网App
【引证文献】
中国硕士学位论文全文数据库 前6条
1 汪凯;感应电动机转子和轴承故障检测方法研究[D];天津理工大学;2011年
2 孙丽萍;转子故障的小波尺度谱数字特征提取与诊断技术研究[D];南京航空航天大学;2010年
3 曲秀秀;转子耦合故障振动信号的盲分离技术研究[D];南京航空航天大学;2011年
4 秦红义;基于谐波小波包和神经网络的旋转机械故障诊断系统研究[D];燕山大学;2012年
5 杨玉婧;基于神经网络的旋转机械振动故障诊断的研究[D];华北电力大学;2012年
6 郭昌;小波域HMT模型的图像超分辨率插值算法研究[D];安徽大学;2013年
【参考文献】
中国期刊全文数据库 前10条
1 江磊,江凡;基于小波神经网络的旋转机械故障诊断[J];汽轮机技术;2004年03期
2 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期
3 王江萍,宁延平;机械设备故障智能诊断技术水平与发展预测[J];石油机械;2005年08期
4 张维东;朱宏明;周闻钧;;特征选择算法在故障检测中的应用研究[J];无线电通信技术;2006年03期
5 林京;连续小波变换及其在滚动轴承故障诊断中的应用[J];西安交通大学学报;1999年11期
6 刘刚,屈梁生;机械信号连续小波系数的统计特征研究[J];西安交通大学学报;2002年03期
7 李良敏,屈梁生;基于遗传编程和支持向量机的故障诊断模型[J];西安交通大学学报;2004年03期
8 王仲生;何红;陈钱;;小波分析在发动机早期故障识别中的应用研究[J];西北工业大学学报;2006年01期
9 高仁祥,张世英,刘豹;基于神经网络的变量选择方法[J];系统工程学报;1998年02期
10 张静远,张冰,蒋兴舟;基于小波变换的特征提取方法分析[J];信号处理;2000年02期
【共引文献】
中国期刊全文数据库 前10条
1 夏晓雷;张元越;杨根喜;;现代科技条件下机械故障诊断技术的发展[J];徐州工程学院学报;2006年09期
2 林大辉;陈秋妹;宁正元;;基于支持向量机的栗属树种分类研究[J];莆田学院学报;2009年05期
3 宋婉娟;;基于支持向量机的手写数字串识别[J];湖北第二师范学院学报;2010年02期
4 郝占刚;王正欧;;基于潜在语义索引和遗传算法的文本特征提取方法[J];情报科学;2006年01期
5 孙蕾;温有奎;;一种改进的SVM算法在决策分析中的应用[J];情报理论与实践;2006年06期
6 葛永,陈建安;基于正交小波包和K-L变换的水声信号特征提取与识别[J];情报指挥控制系统与仿真技术;2005年02期
7 周永生;张肖斌;;基于支持向量机的雷达弹道外推方法仿真研究[J];指挥控制与仿真;2006年03期
8 熊杰;;基于D-S证据理论的机载雷达模糊识别方法[J];指挥控制与仿真;2006年04期
9 刘丙泉;梁静国;;FCM-SVM组合方法在不平衡信息识别中的应用[J];情报杂志;2008年12期
10 鲍晓华;王群京;倪有源;李争;;基于支持向量机的汽车爪极发电机高效电磁建模分析[J];汽车工程;2006年02期
中国重要会议论文全文数据库 前10条
1 韩敏;李德才;;基于因果聚类的多变量时间序列相关性研究及预测[A];第二十六届中国控制会议论文集[C];2007年
2 刘志斌;金连文;;候选字静态生成技术及其在两级LDA汉字识别中的应用[A];第二十六届中国控制会议论文集[C];2007年
3 张彬;金连文;;基于AdaBoost的手写体汉字相似字符识别[A];第二十六届中国控制会议论文集[C];2007年
4 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
5 金向阳;张莉;于广滨;;基于改进小波神经网络的航空滚动轴承的故障检测[A];第二十六届中国控制会议论文集[C];2007年
6 梁禹;王义刚;王娜;;基于支持向量机的电力电子电路故障诊断[A];第二十六届中国控制会议论文集[C];2007年
7 刘青松;曹泰斌;钱苏翔;;基于MEC的在线辨识与模糊内模控制的应用研究[A];第二十七届中国控制会议论文集[C];2008年
8 王树彬;黄鹤;韩笑冬;王执铨;;一种基于细化故障的容错控制设计[A];第二十七届中国控制会议论文集[C];2008年
9 刘华;张建华;王娆芬;王行愚;;人机系统操作员功能状态的模糊聚类方法[A];第二十九届中国控制会议论文集[C];2010年
10 张博闻;祁炜;杨冬;唐小程;宋执环;;基于EMD的频率族分离法在滚动轴承故障诊断中的应用[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 王婷;EMD算法研究及其在信号去噪中的应用[D];哈尔滨工程大学;2010年
2 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
3 任桢;图像分类任务的关键技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
6 乔小燕;基于生物形态学的赤潮藻显微图像分割与特征提取研究[D];中国海洋大学;2010年
7 黄伟国;基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D];中国科学技术大学;2010年
8 穆振侠;高寒山区降水垂直分布规律及融雪径流模拟研究[D];新疆农业大学;2010年
9 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
10 王晓明;基于统计学习的模式识别几个问题及其应用研究[D];江南大学;2010年
中国硕士学位论文全文数据库 前10条
1 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
2 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
3 盖卫勇;基于小波神经网络的高速铣削刀具磨损状态识别研究[D];河南理工大学;2010年
4 廖甜甜;白细胞图像语义识别分类的研究[D];南昌航空大学;2010年
5 李坤;参数参与进化的自适应遗传算法研究[D];南昌航空大学;2010年
6 黄正荣;基于振动波的高速公路车辆行驶状态辨识理论研究[D];南昌航空大学;2010年
7 刘棉;人机划拳系统的实现[D];山东科技大学;2010年
8 刘桂珍;颅骨三维重建与信息提取[D];山东科技大学;2010年
9 张海峰;空间三维信息重构与飞行器路径规划[D];山东科技大学;2010年
10 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 卢文秀,褚福磊;转子系统碰摩故障的实验研究[J];清华大学学报(自然科学版);2005年05期
2 王垚,蒋东翔,战祥森;旋转机械振动故障诊断知识库的研究与实现[J];汽轮机技术;2003年01期
3 张燕平;黄树红;杨涛;汪勇;高伟;;小波灰度图在汽轮机组远程诊断专家系统中的应用研究[J];汽轮机技术;2006年03期
4 张艾萍;姜连轶;闫霆;刘桂华;;基于连续小波变换的汽轮机转子振动信号矩特征研究[J];汽轮机技术;2008年01期
5 唐贵基;谭宇硕;;基于HHT旋转机械油膜振荡故障仿真研究[J];汽轮机技术;2008年02期
6 高伟;;基于改进的经验模式分解的旋转设备振动信号特征提取[J];汽轮机技术;2008年04期
7 胖永新;何伟明;;旋转机械振动信号处理的发展及现状[J];水电站机电技术;2008年06期
8 林坚,沈志广,虞宗炜;应用小波变换尺度谱检测行波暂态信号[J];上海交通大学学报;1999年09期
9 石文磊;陈兴明;袁海龙;;基于EMD和Hilbert包络谱的滚动轴承故障诊断[J];机械工程与自动化;2010年05期
10 杨淑莹,胡军,曹作良;基于图像纹理分析的目标物体识别方法[J];天津理工学院学报;2001年04期
中国博士学位论文全文数据库 前10条
1 魏云冰;小波变换在电机故障诊断与测试中的应用研究[D];浙江大学;2002年
2 彭玲;基于小波域隐马尔可夫树模型的遥感图像纹理分类研究[D];中国科学院研究生院(遥感应用研究所);2005年
3 杨宇;基于EMD和支持向量机的旋转机械故障诊断方法研究[D];湖南大学;2005年
4 郭晓新;超分辨率重建问题的研究[D];吉林大学;2005年
5 孙晖;经验模态分解理论与应用研究[D];浙江大学;2005年
6 牛发亮;感应电机转子断条故障诊断方法研究[D];浙江大学;2006年
7 张燕平;汽轮机轴系振动故障诊断中的信息融合方法研究[D];华中科技大学;2006年
8 程发斌;面向机械故障特征提取的混合时频分析方法研究[D];重庆大学;2007年
9 胡爱军;Hilbert-Huang变换在旋转机械振动信号分析中的应用研究[D];华北电力大学(河北);2008年
10 李加文;盲信号理论及在机械设备故障检测与分析中的应用研究[D];上海交通大学;2006年
中国硕士学位论文全文数据库 前10条
1 杨训;WP-8航空发动机试车CAT系统的开发[D];西北工业大学;2001年
2 陈暾;小波变换在电机性能测试中的应用研究[D];浙江大学;2003年
3 邱军芳;WS9试车CAT系统工程数据库设计与实现[D];西北工业大学;2002年
4 孙从玺;神经网络在汽车底盘综合性能检测中的应用研究[D];吉林大学;2004年
5 张韧;旋转机械故障特征提取技术及其系统研究[D];浙江大学;2004年
6 姜小荧;基于小波分析的滚动轴承故障诊断方法的研究及应用[D];大连理工大学;2005年
7 曾海平;基于经验模态分解法的滚动轴承故障诊断系统研究[D];浙江大学;2005年
8 蔚兰;基于小波分析的异步电动机故障诊断的研究[D];太原理工大学;2005年
9 马金山;机电系统的滚动轴承故障诊断方法研究[D];太原理工大学;2005年
10 闫道儒;汽轮机轴系振动故障诊断专家系统的研究与开发[D];华北电力大学(北京);2006年
【二级引证文献】
中国硕士学位论文全文数据库 前3条
1 孙甲男;基于数据驱动的发动机故障诊断研究[D];吉林大学;2013年
2 宋汉;基于信息融合技术的航空发动机故障诊断研究[D];中南大学;2013年
3 柴晓军;客运驾驶员疲劳驾驶监管技术及政策研究[D];长安大学;2013年
【二级参考文献】
中国期刊全文数据库 前10条
1 周晓凯,严普强;用小波分析铁路车辆滚动轴承诊断方法[J];清华大学学报(自然科学版);1996年08期
2 丁千,陈予恕;碰摩转子的截面应力增长规律分析[J];汽轮机技术;1998年02期
3 赵新泽,严新平,邢敬华,高孝洪;摩擦学系统中磨损微粒类型判断决策的优化[J];润滑与密封;2004年04期
4 赵春华;严新平;赵新泽;袁成清;高虹亮;;滚动轴承故障的可拓物元诊断方法[J];润滑与密封;2006年04期
5 杨启文,蒋静坪,张国宏;遗传算法优化速度的改进[J];软件学报;2001年02期
6 戴晓晖,李敏强,寇纪淞;遗传算法的性能分析研究[J];软件学报;2001年05期
7 卢艳辉,尹泽勇;基于小波包分析方法的航空发动机滚动轴承故障诊断[J];燃气涡轮试验与研究;2005年01期
8 杨建国,孙扬,郑严;基于小波和模糊神经网络的涡喷发动机故障诊断[J];推进技术;2001年02期
9 吴新余,孙力娟;改进交叉方式的遗传算法在求解通信网优化问题中的应用[J];通信学报;1997年10期
10 孙建永,申建中,徐宗本;一类自适应遗传算法[J];西安交通大学学报;2000年10期
中国博士学位论文全文数据库 前1条
1 盖强;局域波时频分析方法的理论研究与应用[D];大连理工大学;2001年
中国硕士学位论文全文数据库 前1条
1 李辉;滚动轴承和齿轮振动信号分析与故障诊断方法[D];西北工业大学;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
  • 010-62791813
  • 010-62985026