收藏本站
《郑州大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于全矢高阶谱的故障诊断方法及其应用研究

李朋勇  
【摘要】: 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。
【学位授予单位】:郑州大学
【学位级别】:硕士
【学位授予年份】:2010
【分类号】:TH165.3

【相似文献】
中国期刊全文数据库 前10条
1 陈爱武;贾建芳;吴俊清;;基于自适应观测器的线性离散系统故障诊断[J];南京理工大学学报;2011年03期
2 董作见;;简介液压系统故障的诊断方法[J];企业导报;2011年08期
3 兰琴丽;章乐多;;BP神经网络在光伏发电系统故障诊断中的应用[J];通信电源技术;2011年04期
4 赵欣;;基于多传感器融合与贝叶斯网络在电力系统故障诊断方法研究[J];价值工程;2011年23期
5 朱晓慧;;煤矿乳化液泵站常见故障及维修方法[J];中国新技术新产品;2011年14期
6 张金江;梁耀升;尹玉娟;郭创新;;基于模糊理论与支持向量机的变压器故障诊断方法[J];电力科学与技术学报;2011年02期
7 钟建伟;;基于改进模糊C均值算法的电力电子电路故障诊断[J];低压电器;2011年16期
8 戴志超;;神经网络对水电机组振动故障的应用研究[J];计算机仿真;2011年06期
9 孙爱进;郭西进;;电机匝间短路故障信息融合诊断方法研究[J];煤矿机电;2011年04期
10 李磊;杨峰;赵鹏鹏;;基于故障树和虚拟仪器的故障诊断系统研究[J];飞航导弹;2011年07期
中国重要会议论文全文数据库 前10条
1 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年
2 卢达川;;液压系统现场故障诊断方法[A];第五届设备管理第八届设备润滑与液压学术会议论文集——《设备管理设备润滑与液压技术》[C];2004年
3 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年
4 肖江;蒋爱平;;基于PCA的SVM故障诊断方法研究与应用[A];第十届全国信息技术化工应用年会论文集[C];2005年
5 罗贺;付超;季星;;基于DS证据理论的智能故障诊断方法[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[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
7 张艳菊;李钢;张仁斌;吴燎原;;一种基于模式匹配的故障诊断方法[A];第六届全国信息获取与处理学术会议论文集(3)[C];2008年
8 赵宏伟;张清华;夏路易;邵龙秋;;机械故障诊断综述[A];中国自动化学会中南六省(区)2010年第28届年会·论文集[C];2010年
9 汪松;刘鲁源;;基于微机系统的开关电源自动故障诊断[A];1999中国控制与决策学术年会论文集[C];1999年
10 郭洪澈;姚兴佳;;基于神经网络的大型风力发电机软并网故障诊断方法[A];中国太阳能学会2001年学术会议论文摘要集[C];2001年
中国重要报纸全文数据库 前10条
1 ;中共沈阳市委关于开展向陈新海同志学习活动的决定[N];沈阳日报;2010年
2 李东梅 连小芳;抠门大方文孝珠[N];宁夏日报;2007年
3 正唯;清瓷款识中的御制诗文[N];美术报;2004年
4 广西龙州县鸭水电厂 王昉;变压器故障诊断方法的探讨[N];中华合作时报;2004年
5 记者 谢克俭;省科协全力备战“6·18”[N];福建科技报;2006年
6 记者 谢克俭;院士项目签约6项总投资3.75亿元[N];福建科技报;2006年
7 肖 轶;青铜重器花落神秘买家[N];中国商报;2006年
8 戴白夜;山野菊香自芬芳[N];中国文化报;2004年
9 蒋金波;新时代需要高素质修车专家[N];市场报;2005年
10 林子务;故障的感官诊断[N];中国纺织报;2004年
中国博士学位论文全文数据库 前10条
1 金瑜;基于小波神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2008年
2 蒋丽英;基于FDA/DPLS方法的流程工业故障诊断研究[D];浙江大学;2005年
3 谢宏;基于Volterra级数、小波分析与神经网络的非线性网络故障诊断方法的研究[D];湖南大学;2005年
4 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年
5 廖学军;基于高分辨距离像的雷达目标识别[D];西安电子科技大学;1999年
6 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
7 李厦;基于Petri网的故障诊断技术研究及其在液压系统中的应用[D];同济大学;2006年
8 张超;基于支持向量机的汽轮机轴系振动故障智能诊断研究[D];华北电力大学(河北);2009年
9 刘美容;基于遗传算法、小波与神经网络的模拟电路故障诊断方法[D];湖南大学;2009年
10 马敏;并行多任务自动测试系统分层化建模及其关键技术研究[D];电子科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
2 顾勤林;汽车电控系统在线故障诊断方法的研究[D];合肥工业大学;2005年
3 唐新安;600KW风力发电机组故障诊断[D];新疆大学;2006年
4 潘玉松;基于主元分析的传感器故障检测与诊断[D];华北电力大学(河北);2006年
5 殷亚平;基于学习算法的复杂故障诊断模型与方法研究[D];北京交通大学;2007年
6 赵国庆;基于小波降噪与HHT方法的齿轮故障诊断方法[D];武汉科技大学;2007年
7 虞国全;基于支持向量机的智能故障诊断技术研究[D];南昌大学;2007年
8 黄跃群;机车电子控制柜动态检测与故障诊断系统研究[D];西南交通大学;2008年
9 管辉;基于小波分析的滚动轴承故障诊断方法研究[D];太原科技大学;2008年
10 王晓华;过程监控与故障诊断的ICA_MPCA方法[D];大连理工大学;2008年
 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