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Volterra级数模型辨识的旋转机械故障诊断方法研究

唐高松  
【摘要】: 本文在国家自然科学基金(50775208)和河南省教育厅自然科学基金(2008C460003,2006460005)资助下,研究了基于Volterra级数模型的非线性系统辨识的旋转机械故障诊断方法,并进行了仿真与实验研究,取得了一些创新性成果,本文的主要内容包括: 第一章,论述了本课题提出的意义,综述了非线性系统辨识的研究现状,并对基于非线性分析的故障检测与诊断的发展以及国内外的研究应用现状做了阐述。提出了本论文的主要内容与创新之处。 第二章,论述了非线性Volterra级数模型理论,给出了Volterra级数的时域表示形式与频域表示形式以及性质。然后,讨论了基于非线性分析的故障检测与诊断理论,本章的内容是是整篇论文的理论基础。 第三章,针对一般的最小二乘法在辨识Volterra级数时存在计算量大,数据存储空间占用多的不足,研究了基于递推最小二乘的Volterra级数模型辨识方法,并应用到旋转机械故障诊断中。该方法利用递推求逆的方法避免了对观测矩阵直接求逆,减小了计算量。实验研究了转子从正常状态到碰摩状态下Volterra级数核的变化,结果表明,该方法有着较快的收敛速度和收敛精度,取得了较好的辨识效果。 第四章,论述了蚁群优化(ACO)的基本理论和算法,鉴于蚁群优化的强大搜索能力,在求解优化问题方面表现出突出的优越性,在此,将蚁群优化引入到基于Volterra级数模型的非线性系统辨识中,提出了基于ACO的Volterra时域核辨识方法,并给出了实现的步骤,仿真结果表明,不论是在无噪声的干扰下,还是在有噪声的干扰下,Volterra核参数的辨识都具有很好的收敛性、辨识精度和鲁棒抗噪性能。最后,将提出的方法应用到转子系统故障诊断中,实验结果表明Volterra时域核(即广义脉冲响应函数)能明显反映系统发生的变化,可有效地区分正常与故障状态。 第五章,针对基于蚁群优化的Volterra级数模型的非线性系统辨识方法中存在的不足,即蚁群中多个个体的运动是随机的,且当群体规模较大时,要找出一条较好的路径需要较长的搜索时间,提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。并给出了算法的具体实现步骤,同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真研究表明,不论是在无噪声的干扰下,还是在有噪声的干扰下,基于自适应蚁群优化的Volterra核辨识算法与基于蚁群优化的Volterra核辨识算法都能得到非常好的辨识精度和鲁棒抗噪性能,从收敛曲线来看,即使在噪声的干扰下,两种辨识方法的收敛过程平稳,然而,相对来说,本文提出的基于自适应蚁群优化的Volterra核辨识算法的收敛速度快于基于蚁群优化的Volterra核辨识算法。最后,将提出的方法应用到转子碰摩故障系统中,实验结果进一步验证了提出的方法的有效性。 第六章,对本文的工作进行了总结,并对Volterra级数理论在旋转机械故障检测与诊断领域的应用提出了新的展望。
【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

知网文化
【引证文献】
中国硕士学位论文全文数据库 前2条
1 员险锋;基于非线性输出频率响应函数的转子裂纹故障诊断方法研究[D];郑州大学;2011年
2 周立启;基于Volterra级数的非线性模拟电路故障诊断方法的研究[D];西安电子科技大学;2012年
【参考文献】
中国期刊全文数据库 前9条
1 陈烨;用于连续函数优化的蚁群算法[J];四川大学学报(工程科学版);2004年06期
2 高尚,钟娟,莫述军;连续优化问题的蚁群算法研究[J];微机发展;2003年01期
3 焦李成;;非线性系统故障诊断的伏尔泰拉泛函理论[J];西安交通大学学报;1988年03期
4 李湧,韩崇昭,徐为群,唐晓泉;非线性频谱分析在故障诊断中的应用[J];西安交通大学学报;2000年09期
5 方洋旺,焦李成,韩崇昭;非线性有限冲激响应Volterra信道的盲辨识[J];西安交通大学学报;2000年12期
6 王颖,谢剑英;一种自适应蚁群算法及其仿真研究[J];系统仿真学报;2002年01期
7 张纪会,徐心和;一种新的进化算法——蚁群算法[J];系统工程理论与实践;1999年03期
8 孔祥玉,韩崇昭,魏瑞轩,赵烨;一种全最小二乘算法及其在非线性滤波器中的应用[J];信号处理;2005年02期
9 覃刚力,杨家本;自适应调整信息素的蚁群算法[J];信息与控制;2002年03期
【共引文献】
中国期刊全文数据库 前10条
1 吴雪梅,杨晓慧,刘志强,韩敏,范磊刚,廖显威;采用BP神经网络研究C-F键核自旋偶合常数[J];波谱学杂志;2005年03期
2 郭祺;路建伟;唐松洁;夏一;;基于蚁群算法的防空兵兵力机动线路优化[J];指挥控制与仿真;2006年06期
3 苏屹;李柏洲;刘晓静;;基于蚁群算法的R&D支出拟合模型研究[J];情报杂志;2012年05期
4 李澄非;朱群雄;;基于蚁群算法的混合优化算法在TSP中的应用[J];青岛大学学报(自然科学版);2007年01期
5 马洪伟;赵志刚;吕慧显;李京;;基于蚁群聚类和裁剪方法的RBF神经网络优化算法[J];青岛大学学报(工程技术版);2008年03期
6 方崇;黄伟军;;南宁市内河水质的投影寻踪回归分析[J];人民长江;2010年08期
7 徐黎明;;蚁群算法在网上书店推荐系统中的应用研究[J];软件导刊;2007年11期
8 杨德芹;;一种自适应蚁群算法及其应用[J];软件导刊;2007年21期
9 杨斌;姜兆华;;蚁群算法及其在多段图中的应用[J];软件导刊;2008年03期
10 夏显清;;一种优化的蚁群算法[J];软件导刊;2010年08期
中国重要会议论文全文数据库 前10条
1 郑继明;蒲兴成;;一类金融系统的混沌性与控制[A];第二十六届中国控制会议论文集[C];2007年
2 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
3 ;Optimal Design of Neuro-Fuzzy Controller Based on Ant Colony Algorithm[A];第二十九届中国控制会议论文集[C];2010年
4 孙灵芳;李纪昌;赵雪;;基于蚁群优化的锅炉汽包水位预测控制[A];第二十九届中国控制会议论文集[C];2010年
5 赵元;张新长;康停军;;并行蚁群算法及其在区位选址中的应用[A];中国测绘学会2010年学术年会论文集[C];2010年
6 赵磊;黄道;;基于蚁群算法的化工过程故障诊断[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年
7 陈佳彬;张翔;;全局优化算法研究[A];福建省科协第五届学术年会数字化制造及其它先进制造技术专题学术年会论文集[C];2005年
8 赵元;张新长;康停军;;基于多叉树蚁群算法在区位选址中的应用[A];广东省测绘学会第九次会员代表大会暨学术交流会论文集[C];2010年
9 赵元;张新长;康停军;;基于多叉树蚁群算法在区位选址中的应用[A];全国测绘科技信息网中南分网第二十四次学术信息交流会论文集[C];2010年
10 支成秀;梁正友;;融合粒子群优化算法与蚁群算法的随机搜索算法[A];广西计算机学会2006年年会论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张进;地震叠前数据的弹性阻抗非线性反演方法研究[D];中国海洋大学;2009年
2 陈广洲;多源信息耦合的成矿预测新模型研究[D];合肥工业大学;2010年
3 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
4 郑立刚;煤粉射流的高温空气燃烧特性与燃煤锅炉低NO_x燃烧优化研究[D];浙江大学;2009年
5 李晋江;海量数据点三维重构中一类关键问题研究[D];山东大学;2010年
6 周晖;自由搜索算法及其在传感器网络中的应用[D];东华大学;2010年
7 张凌云;高密度电阻率勘探反演的非线性方法研究[D];太原理工大学;2011年
8 谢丽萍;基于拟态物理学的全局优化算法设计及性能分析[D];兰州理工大学;2010年
9 熊文;基于群智的特征选择、分类与聚类挖掘的研究[D];北京邮电大学;2010年
10 张瑞杰;注水系统生产状态智能分析与运行优化技术研究[D];东北石油大学;2011年
中国硕士学位论文全文数据库 前10条
1 张聪炫;基于蚁群算法由直线光流场重建三维结构的研究[D];南昌航空大学;2010年
2 苗晋玲;基于ARM的三自由度直升机嵌入式控制系统设计[D];南昌航空大学;2010年
3 蒋静;基于量子粒子群优化的Volterra核辨识及故障诊断方法研究[D];郑州大学;2010年
4 陈海艳;分数阶混沌系统的同步控制[D];哈尔滨工程大学;2010年
5 林政文;基于NS2的Ad Hoc网络性能仿真研究[D];哈尔滨工程大学;2010年
6 宋策;面向车间设备布局的精英蚁群算法研究[D];大连理工大学;2010年
7 李超;基于改进蚁群算法的露天矿运输系统优化研究[D];辽宁工程技术大学;2009年
8 赵景梅;射频功放行为模型及电路仿真技术研究[D];辽宁工程技术大学;2009年
9 司蕊;多目标优化问题的改进蚁群算法研究[D];辽宁工程技术大学;2009年
10 肖良清;基于时间Petri网的并行测试研究[D];长沙理工大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 薛宁静;;多类支持向量机分类器对比研究[J];计算机工程与设计;2011年05期
2 方洋旺,曹怀信,韩崇昭;离散非线性系统的非线性传递函数递推算法[J];陕西师范大学学报(自然科学版);1998年04期
3 夏婷;王娜;闵华松;;嵌入式状态监测与故障诊断装置的设计[J];微计算机信息;2008年10期
4 李湧,韩崇昭,徐为群,唐晓泉;非线性频谱分析在故障诊断中的应用[J];西安交通大学学报;2000年09期
5 方洋旺,焦李成,韩崇昭;非线性有限冲激响应Volterra信道的盲辨识[J];西安交通大学学报;2000年12期
6 张华君,韩崇昭;基于变步长分块滤波器的Volterra级数简化辨识方法[J];西安交通大学学报;2004年06期
7 唐晓泉,王文正,方洋旺,李涌,韩崇昭;子集优化在非线性系统辨识中的应用[J];西安交通大学学报;1999年03期
8 荣海娜;张葛祥;金炜东;;系统辨识中支持向量机核函数及其参数的研究[J];系统仿真学报;2006年11期
9 李医民,胡寿松;模糊神经网络技术在故障诊断中的应用[J];系统工程与电子技术;2005年05期
10 罗忠,朱重光;一种非线性自适应滤波的快速算法[J];信号处理;1997年01期
中国博士学位论文全文数据库 前1条
1 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
中国硕士学位论文全文数据库 前4条
1 蒋静;基于量子粒子群优化的Volterra核辨识及故障诊断方法研究[D];郑州大学;2010年
2 孙增国;神经网络和模糊专家系统在故障诊断中的应用[D];大连理工大学;2004年
3 王欣;基于神经网络的模拟电路故障诊断方法研究与实现[D];西安电子科技大学;2007年
4 胡世玲;基于神经网络的模拟电路故障诊断专家系统研究[D];哈尔滨理工大学;2009年
【二级参考文献】
中国期刊全文数据库 前4条
1 张铃,ahu.edu.cn,张钹;遗传算法机理的研究[J];软件学报;2000年07期
2 高尚,钟娟,莫述军;连续优化问题的蚁群算法研究[J];微机发展;2003年01期
3 焦李成;;非线性系统故障诊断的伏尔泰拉泛函理论[J];西安交通大学学报;1988年03期
4 魏瑞轩,韩崇昭;基于Volterra级数模型的非线性系统的鲁棒自适应辨识[J];西安交通大学学报;2001年10期
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