收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

核主元分析及证据理论的多域特征故障诊断新方法研究

吴胜强  
【摘要】:随着现代液压系统向快速、大功率、高精度的方向发展,机电装备液压系统的功能越来越复杂,结构越来越庞大,不确定因素和不确定信息充斥其间。建立完善的装备液压系统维修管理体制,是降低装备故障率、提高生产率的重要手段。液压系统的早期故障检测与诊断是装备维修管理体制中“预知维修”的核心问题。近年来,智能故障诊断理论与技术发展迅速,能够对特定环境下的诊断对象进行准确的故障模式识别和预报。但是智能故障诊断领域还存在一些难题,如传感器自身的局限性,诊断对象的动态时变性,单源信号诊断信息的不完备性,装备故障常表现为多种故障的复合性等,这些都严重制约着智能故障诊断理论和技术的发展。 本文对核主元分析(KPCA)方法和D-S证据理论基本原理进行了研究。利用小波包滤波去噪的包络解调法进行信号处理,提出了基于声音信号KPCA和指数加权动态KPCA的故障诊断方法。研究了基本概率分配的确定方法,提出了集成支持向量机(SVM)与证据理论的多源信息融合故障诊断方法,该方法充分利用了各信息源的冗余互补信息,能大大提高诊断确诊率,降低诊断的误报和漏报率。试验过程中设置了泵的多种复合故障类型,把复合故障看作一种特定的故障模式,利用SVM与证据理论的融合方法对其进行直接诊断。 本文主要进行了以下几个方面的工作: (1)为确保故障特征信息的完备性,从时域、频域和时频域中提取16个参量构建出了液压泵故障诊断的多信息域特征向量。在分析小波包和Hilbert包络解调的基本理论的基础上,提出了基于小波包滤波去噪的包络解调信号预处理方法,并用于采集到的振动和声音信号的处理。信号各频带的能量分布包含着丰富的故障信息,利用小波包分解的频带能量特征提取方法提取8个时频域的特征参量。提取了液压泵的松靴、滑靴磨损、中心弹簧失效和斜盘磨损4种常见故障下的5个时域无量纲参量(峰值指标、波形指标、脉冲指标、裕度指标和峭度指标)和3个频域特征参量(重心频率、均方频率和均方频率),并系统地分析了这8个时、频域参量对4种常见故障的敏感度。 (2)提出了利用泵运行声音信号KPCA的故障诊断方法。阐述了KPCA法的基本原理及其应用于故障诊断时的基本步骤,给出了声音信号的预处理过程,提取了由时域、频域和时频域参量共同构成的多域特征向量,利用KPCA法进行了故障诊断。分别与单纯时域、频域和时频域参量的特征向量诊断结果进行了对比,并与利用泵端盖振动信号故障诊断的结果进行了对比。 (3)提出了指数加权动态KPCA的故障诊断方法。针对液压泵运行状态具有动态时变性的特点,采用滑动时间窗口的数据更新方法,利用新数据建立了新核主元模型,引入了指数加权因子,由新模型和旧模型加权共同构造出了具有动态自适应性的诊断模型。阐述了该方法的建模和诊断步骤,利用振动信号完成了泵的故障诊断。讨论了加权因子取值对诊断结果的影响,并与传统的核主元方法得到的诊断结果作了对比。 (4)提出了集成SVM与D-S证据理论的多源信息融合故障诊断方法。利用SVM确定了基本概率分配,给出了证据理论诊断故障的基本步骤,监测了泵出口压力,x、y、z向振动和声音的5通道信号,设置了故障模式的识别框架,设定了采集参数,通过对各通道信号的预处理,提取了多域特征向量,实现了对液压泵的多种故障诊断。与已有的BP神经网络确定基本概率分配的方法作了对比,并研究了在缺失某一通道信息时,该方法的容错能力。 (5)对液压泵的复合故障进行了直接诊断。试验时设置了泵的多种复合故障类型,把复合故障看作一种特定的故障模式,利用SVM与证据理论融合的方法对其进行了故障诊断。 (6)提出了基于虚拟仪器的试验系统组成方案,搭建了5通道轴向柱塞泵运行状态监测系统。选择泵的3个相互垂直方向的振动信号,以及声音信号、出口压力信号作为监测信号,分析了泵的各种故障状态的振动特征频率范围和故障分析频带,选择了合适的传感器,研究了如何合理选择振动传感器和声级计的测点。设置了泵多种故障模式和相应采集参数,为各种故障诊断方法进行诊断奠定了基础。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 赵宏伟;张清华;夏路易;;证据理论在旋转机械并发故障诊断中研究的进展[J];广东石油化工学院学报;2011年04期
2 宋立军;胡政;杨拥民;温熙森;;Chu空间下的粗糙集与证据理论结合进行内燃机诊断[J];内燃机学报;2007年03期
3 张冀;王兵树;邸剑;于浩;鲁斌;;传感器多故障诊断的信息融合方法研究[J];中国电机工程学报;2007年16期
4 司爱威;冯辅周;朱栋栋;肖云魁;翁建华;;两级信息融合技术在柴油机故障诊断中的应用[J];装甲兵工程学院学报;2010年01期
5 仝磊;陈越;王直;秦琪;;基于D-S证据理论的柴油机故障诊断[J];科学技术与工程;2010年15期
6 李振中;孙玉清;陈海泉;杨海军;张勇;孙中华;;基于多传感器数据融合的液压泵故障诊断研究[J];机床与液压;2006年08期
7 齐占伟;辜承林;;基于改进的D-S证据理论在设备故障诊断中的应用[J];海军工程大学学报;2008年01期
8 杨广;吴晓平;宋业新;;粗糙集与证据理论融合的综合诊断方法研究[J];武汉理工大学学报;2009年15期
9 张平;张小栋;;证据熵在旋转机械故障诊断中的应用[J];振动、测试与诊断;2010年01期
10 杨亚军;王福明;;基于D-S的小波神经网络信息融合方法[J];弹箭与制导学报;2006年04期
11 肖小锋;蔡金燕;李文钊;;基于证据理论的多诊断智能体解的综合方法[J];兵工学报;2006年04期
12 符玲;何正友;麦瑞坤;钱清泉;张鹏;;小波熵证据的信息融合在电力系统故障诊断中的应用[J];中国电机工程学报;2008年13期
13 王兴伟;杨拥民;胡政;葛哲学;;基于信息融合的舵回路故障诊断[J];计算机仿真;2006年06期
14 梁伟光;王永;韩飞;周建亮;;基于证据理论的单一故障诊断方法比较研究[J];东南大学学报(自然科学版);2009年S1期
15 洪贝;胡昌华;姜学鹏;;基于证据理论聚类算法的故障诊断[J];南京航空航天大学学报;2011年S1期
16 张彦铎,姜兴渭,黄文虎;故障诊断中关联结果与专家知识的融合技术[J];哈尔滨工业大学学报;2002年01期
17 李巍华;张盛刚;;基于改进证据理论及多神经网络融合的故障分类[J];机械工程学报;2010年09期
18 鲁雪艳;赵征;;基于模糊聚类分析和D-S证据理论的磨煤机故障诊断[J];电力科学与工程;2011年07期
19 田亮,常太华,曾德良,刘吉臻;基于典型样本数据融合方法的锅炉制粉系统故障诊断[J];热能动力工程;2005年02期
20 陈新岗;田晓霄;张超峰;赵阳阳;;一种结合DS证据信息融合的变压器故障诊断方法[J];变压器;2010年08期
中国重要会议论文全文数据库 前10条
1 李振中;陈海泉;杨海军;张勇;王国有;孙中华;;基于多传感器数据融合的液压泵故障诊断研究[A];第四届全国流体传动与控制学术会议论文集[C];2006年
2 王波;吴华丽;王灿林;;一种基于D-S证据理论的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
3 赵丰文;冯辅周;戴耀;司爱威;;基于信息融合的变速箱故障诊断研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
4 许军;张耀辉;;信息融合算法在电气设备故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
5 韩艳娟;宋建成;;基于信息融合技术的主通风机故障参数检测系统[A];煤矿自动化与信息化——第19届全国煤矿自动化与信息化学术会议暨中国矿业大学(北京)百年校庆学术会议论文集[C];2009年
6 刘仁德;胡申辉;徐家倬;;磨煤机的故障诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
7 戴乐云;李建康;;振动信号时间序列建模在故障诊断中的应用[A];振动工程学报(工程应用专辑)[C];2001年
8 李晓栋;胡清华;;汽轮机故障诊断文本支持系统的研究与建立[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年
9 王航;于歆杰;;遗传算法在故障诊断中应用的新方法[A];2005年中国智能自动化会议论文集[C];2005年
10 单鸿鹏;关月红;;频谱分析技术在滚动轴承故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 吴胜强;核主元分析及证据理论的多域特征故障诊断新方法研究[D];燕山大学;2011年
2 宋其江;基于有向图模型的故障诊断方法研究及其在航天中的应用[D];哈尔滨工业大学;2010年
3 陈非;基于过程信息融合的旋转机械信息(火用)故障诊断研究[D];华中科技大学;2010年
4 冯志鹏;计算智能在机械设备故障诊断中的应用研究[D];大连理工大学;2003年
5 何小斌;基于统计学方法的自适应过程监控与故障诊断[D];上海交通大学;2009年
6 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
7 李敏;复杂机械基于数据的建模与故障诊断[D];太原理工大学;2010年
8 鲁峰;航空发动机故障诊断的融合技术研究[D];南京航空航天大学;2009年
9 高保禄;大型复杂机电设备分布式故障诊断方法研究[D];太原理工大学;2010年
10 蒋斌;机电系统故障诊断的理论与应用研究[D];浙江大学;2002年
中国硕士学位论文全文数据库 前10条
1 李冲祥;神经网络和证据理论集成的数据融合故障诊断方法研究[D];燕山大学;2003年
2 陈永洲;旋转机械故障诊断多代理系统的研制[D];东南大学;2004年
3 张远;基于信息融合技术的故障诊断模型和方法研究[D];中南大学;2003年
4 王迎昌;条件证据融合方法及其在故障诊断中的应用[D];杭州电子科技大学;2009年
5 王明秀;大型汽轮发电机故障诊断专家系统诊断处理子系统的研究[D];华北电力大学;2001年
6 刘峰;基于神经网络的水轮发电机组振动故障诊断专家系统的研究[D];西安理工大学;2003年
7 许东;地空导弹混合智能故障诊断专家系统的设计与实现[D];西北工业大学;2002年
8 石金彦;基于规则的数据挖掘方法在故障诊断中的应用[D];郑州大学;2003年
9 周春健;基于小波变换的旋转机械故障诊断[D];南京航空航天大学;2004年
10 陈洁;基于Web的远程监测与故障诊断系统研究[D];武汉科技大学;2004年
中国重要报纸全文数据库 前10条
1 黄安华;液压制动系统的故障诊断[N];中国汽车报;2002年
2 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
3 胡荣山 马巍;上海海大一课题列入国家“863”计划[N];中国船舶报;2007年
4 孙建阳 刘波;小型渔船柴油机故障诊断与排除[N];中国渔业报;2008年
5 见习记者 仝亚娜;孙彦广:冶金故障诊断设备前景广阔[N];机电商报;2005年
6 小田;网卡故障诊断[N];中国电脑教育报;2000年
7 陈全东;干式复合“粘边”故障诊断[N];中国包装报;2003年
8 龚献荣;大型天然气装置实现网络化监测[N];中国化工报;2005年
9 周传勇 杜慧;济钢网络化设备点检与故障诊断管理系统上线运行[N];世界金属导报;2008年
10 汤怀京;WLAN也有“线”[N];中国计算机报;2004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