收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于时频图像识别的旋转机械多特征融合故障诊断方法研究

王维刚  
【摘要】:时频分析能够揭示旋转机械非平稳信号的频率成分及其时变特征,由此构建的时频图像包含机械工作状态丰富的特征信息。基于对旋转机械时频图像稀疏本质的考察和认识,采用压缩感知、稀疏表示降维、局部约束低秩编码、智能模式识别、证据理论及多目标优化等方法,对故障诊断过程的时频图像构建、特征提取及多特征决策融合诊断进行了深入研究,提出了基于振动信号时频图像识别的多特征决策融合旋转机械故障诊断方法。该研究对时频分析理论发展具有十分重要的意义,同时对其它工程领域非平稳信号的特征提取及分类也具有广泛的应用前景。绝大多数时频图像都是基于Wigner-Ville分布产生的,因此均会遭受固有交叉项的干扰,降低了时频图像的分辨率;此外时频图像包含大量傅立叶样本,不利于实时处理和远距离传输。为此提出基于压缩感知理论的旋转机械振动信号时频图像构建方法,该方法从信号模糊域原点附近得到观测向量,并通过可调径向高斯核函数自适应地对模糊函数进行作用以抑制交叉项的干扰,而观测估计值由稀疏时频表示的二维傅立叶变换得到;利用改进梯度投影法实现重构模型的求解,并采用投影规则获得稀疏时频图像。通过仿真数据和转子故障实测数据对该方法的性能进行了验证,结果表明所提方法不仅在分辨率及压缩比方面取得了较好的效果,而且在重构准确度及抗噪性能方面也有了提升。对于大样本的时频图像特征提取问题,基于稀疏表示的降维方法能够从时频图像中获得有效特征,但该类方法存在判别性低及计算复杂度高的问题。为此提出基于改进稀疏保持投影的旋转机械振动信号时频图像特征提取方法,该方法采用局部线性编码方法获得时频图像的稀疏表示结构,以达到同时提高稀疏表示结构判别性和计算效率的目的;同时将类内及类间离散矩阵整合至稀疏保持投影模型,进一步提高了模型的判别能力。将提出方法应用于大样本的转子故障时频图像特征提取中,结果表明该情况下测试样本获得的低维特征具有良好的可分性,而且提高了计算效率。由于在工作现场无法获得足够多的样本,尤其是带类标的样本更难获得,因此小样本识别成为研究的热点问题,但目前小样本特征提取方法存在计算复杂度高及模型不准确的问题。为此提出基于迹比稀疏正则判别分析的旋转机械振动信号时频图像特征提取方法,首先采用局部线性编码方法获得时频图像的稀疏表示结构;其次将稀疏正则判别分析模型转换为迹比问题;然后通过Dinkelbach's算法计算投影矩阵;最后通过投影矩将高维样本映射至低维空间。将提出方法应用于小样本的转子故障时频图像特征提取中,结果表明该情况下测试样本获得的低维特征具有良好的可分性。由于不同故障获取的难易程度不同,因此故障诊断中往往出现不均衡样本的情况,而绝大多数的降维方法都是基于均衡样本假设而设计的,不利于特征提取。为此提出基于局部约束低秩编码的旋转机械振动信号时频图像特征提取方法,首先建立包含局部约束正则项的低秩编码字典学习模型;其次通过增广Lagrange乘子法和交替优化方法学习字典;然后利用学习得到的字典获得时频图像的低秩编码;最后采用空间金字塔匹配方式提取时频图像特征。将提出的方法应用于不均衡样本的转子故障时频图像特征提取中,结果表明该情况下测试样本获得的低维特征具有良好的可分性。单一特征诊断方法存在准确率低、稳定性差的问题。为此提出一种结合优化支持向量机(Support vector machine,SVM)和加权证据理论的旋转机械时频图像多特征决策融合故障诊断方法,首先利用多目标粒子群算法优化各单特征诊断中的SVM模型参数,从而获得最优的SVM预测模型;其次将单特征测试样本输入最优SVM预测模型,获得该证据对各故障类别的权重系数及基本概率分配,并采用改进证据理论求得加权概率分配;最后利用多证据合成法则并结合决策规则得到最终的诊断结果。转子故障诊断实验验证了方法的可行性和有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 龚雯,陈丽华,沈建国;基于几何特征的人脸正面图像特征提取[J];现代计算机;2005年09期
2 尚丽;陈杰;周燕;张丽;;基于非负稀疏编码的图像特征提取及应用[J];苏州市职业大学学报;2007年02期
3 李雅梅;吴中福;;川南石刻图像特征提取方法研究[J];计算机科学;2008年06期
4 翟俊海;赵文秀;王熙照;;图像特征提取研究[J];河北大学学报(自然科学版);2009年01期
5 王志瑞;闫彩良;;图像特征提取方法的综述[J];吉首大学学报(自然科学版);2011年05期
6 白明柱;杨立森;阿木古楞;;图像特征提取的研究进展[J];科技创新与应用;2013年04期
7 刘凤连;汪日伟;程俊;康绢鹏;;图像特征提取中领域尺寸和本征维数的自动选择算法[J];光电子.激光;2013年12期
8 范羚,吴小培,龙飞,张道信,郭晓静;基于独立分量分析的图像特征提取及去噪[J];计算机工程与应用;2003年09期
9 林明星,王晓华,管志光,丁凤华,赵永瑞;基于差分码的图像特征提取方法研究[J];仪器仪表学报;2004年S2期
10 许世军;杨晓东;任小玲;;光学图像特征提取与识别的智能算子发展研究[J];信息系统工程;2010年10期
11 杜海顺;李玉玲;侯彦东;金勇;;一种人脸图像特征提取的局部和整体间距嵌入方法[J];计算机科学;2012年09期
12 孔锐;施泽生;郭立;张国宣;;独立分量分析在图像特征提取中的应用[J];模式识别与人工智能;2004年01期
13 周开军;阳春华;牟学民;桂卫华;;一种基于图像特征提取的浮选回收率预测算法[J];高技术通讯;2009年09期
14 赵英亮;王黎明;韩焱;;基于形态学与聚类相结合的图像特征提取方法研究[J];弹箭与制导学报;2010年02期
15 周春光;孙明芳;王甦菁;陈前;刘小华;刘昱昊;;基于稀疏张量的人脸图像特征提取[J];吉林大学学报(工学版);2012年06期
16 韩吉衢;孟俊敏;赵俊生;;海洋溢油合成孔径雷达图像特征提取及其关键度分析[J];海洋学报(中文版);2013年01期
17 韦皞;张光锋;娄国伟;;基于分水岭和形态学的图像特征提取方法[J];探测与控制学报;2014年01期
18 王健;崔永;赵树林;;基于图像特征提取方法在林业应用上的研究[J];安徽农业科学;2014年05期
19 尚丽,郑春厚;基于稀疏编码的自然图像特征提取及去噪[J];系统仿真学报;2005年07期
20 李爱国;马子龙;;区域加权信息熵及其在图像特征提取中的应用[J];计算机应用;2009年12期
中国重要会议论文全文数据库 前9条
1 林明星;王晓华;管志光;丁凤华;赵永瑞;;基于差分码的图像特征提取方法研究[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
2 朱红娟;苏立军;李芬华;陈丽;;基于小波包的超声图像特征提取[A];第七届全国信息获取与处理学术会议论文集[C];2009年
3 张永平;何仲昆;苏日娜;樊少菁;;基于非线性投影的图像特征提取与分类[A];2009年中国智能自动化会议论文集(第三分册)[C];2009年
4 王晓伟;石林锁;成浩;;基于独立分量分析的图像特征提取[A];第十七届全国测控计量仪器仪表学术年会(MCMI'2007)论文集(上册)[C];2007年
5 夏庆观;路红;陈桂;;基于小波神经网络的零件图像特征提取和识别[A];第三届全国信息获取与处理学术会议论文集[C];2005年
6 黄亚丽;刘志文;时永刚;王琳;;一种基于形状和形变的细胞视频图像特征提取方法[A];2012医疗仪器与民众健康学术研讨会论文集[C];2012年
7 索芳;魏世泽;;农田杂草图像特征提取与识别方法的探讨[A];2007年河北省电子学会、河北省计算机学会、河北省自动化学会、河北省人工智能学会、河北省计算机辅助设计研究会、河北省软件行业协会联合学术年会论文集[C];2007年
8 柳林霞;陈杰;陈文颉;;自动目标识别技术中的图像特征提取技术[A];第二十一届中国控制会议论文集[C];2002年
9 罗仁泽;王汝言;冉瑞生;;二维PCA法策略及证明[A];2007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(上册)[C];2008年
中国博士学位论文全文数据库 前10条
1 黄晟;图像特征提取与分类超图的学习算法研究[D];重庆大学;2015年
2 刘茜;彩色人脸图像特征提取方法研究[D];南京邮电大学;2015年
3 王维刚;基于时频图像识别的旋转机械多特征融合故障诊断方法研究[D];哈尔滨工业大学;2016年
4 钱建军;人脸图像特征提取和分类的若干方法研究[D];南京理工大学;2014年
5 施展;图像特征提取与识别的迹空间投影方法研究[D];华南理工大学;2012年
6 伍爵博;基于云模型与数据场的图像特征提取研究[D];武汉大学;2010年
7 汤德俊;人脸识别中图像特征提取与匹配技术研究[D];大连海事大学;2013年
8 李勇智;图像特征提取方法及其在人脸识别中的应用[D];南京理工大学;2009年
9 刘高峰;极化SAR图像特征提取与分类方法研究[D];西安电子科技大学;2014年
10 黄志开;彩色图像特征提取与植物分类研究[D];中国科学技术大学;2006年
中国硕士学位论文全文数据库 前10条
1 康欣;草本植物图像特征提取与分类研究[D];东北林业大学;2015年
2 初延亮;磁粉检测裂纹图像特征提取方法研究及实现[D];西南科技大学;2015年
3 王晓晓;基于拓扑结构的人脸图像特征提取及识别研究[D];青岛科技大学;2015年
4 孙洪飞;基于小波变换的图像特征提取方法研究[D];南京邮电大学;2015年
5 马利兴;基于图像特征提取的风电传动机械故障诊断技术研究[D];北京信息科技大学;2015年
6 延伟东;图像特征提取方法的研究[D];西北工业大学;2007年
7 常昌;图像特征提取方法研究及应用[D];华中科技大学;2009年
8 朱爱军;复杂背景面部图像特征提取的应用研究[D];成都理工大学;2004年
9 布露露;基于样本区域模糊聚类的灰度图像特征提取研究与应用[D];云南大学;2011年
10 张健;基于张量子空间的图像特征提取方法研究[D];西安电子科技大学;2012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
  • 010-62982499
  • 010-62783978