收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于EMD与支持向量机的转子故障诊断方法研究

陈淼峰  
【摘要】:转子系统的诊断过程包括诊断信息的获取、故障特征信息提取和状态识别三部分。其中,故障特征提取和状态识别是诊断的关键。本文将时频分析的新方法经验模态分解(Empirical Mode Decomposition,简称EMD)和模式识别的新技术一支持向量机(Support Vector Machine,简称SVM)应用于转子系统的故障诊断中。 EMD方法是近年来提出的信号处理方法,经验证在很多方面的应用效果都要优于其它的信号处理方法;支持向量机有比神经网络更好的泛化能力,且能保证找到的极值点就是全局最优解,同时它还较好地解决了小样本问题。本文对EMD方法和支持向量机在转子系统故障诊断中的应用进行了一些研究。主要研究工作如下: 定义基于EMD的奇异值熵对转子系统进行状态监测和故障诊断,并对采样率对奇异值熵的影响做了进一步的研究,结果表明,在不同的工况下,奇异值熵大小有差别,可用于故障特征提取。 提出了基于Hilbert-Huang变换时频熵的转子系统故障诊断方法,Hilbert谱精确地描述了信号的幅值在整个频率段上随频率和时间的变化规律,是信号能量的一种时频分布,基于Hilbert-Huang变换的时频熵是对上述时频分布的定量描述,对转子实验数据的分析结果表明,该方法能够有效地提取转子系统故障振动信号的特征,并能够成功地对转子系统的工作状态和故障类型进行分类。 探讨了支持向量机分类器在转子系统故障诊断中的应用,通过实验数据分析,并与BP神经网络的对比实验,证明了支持向量机分类器在训练时间、小样本情况下的预测推广能力和抗噪声能力方面全面优于BP神经网络,适合用于故障诊断。 提出了基于支持向量机回归预测模型的转子系统诊断方法,该方法不必进行信号预处理以提取特征量,便能实现多故障的识别与诊断。因此它具有算法简单,故障分类能力强等优点。通过实验数据分析,并与BP神经网络的对比实验,说明了该方法的有效性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 孙学斌;;AR模型和SVM在机床滚动轴承故障诊断中的应用[J];机械工程与自动化;2010年02期
2 江志钢;张春良;岳夏;;基于支持向量机的机床故障诊断研究[J];装备制造技术;2009年12期
3 柳新民;刘冠军;邱静;胡茑庆;;基于1-DISVM的聚类模型及直升机齿轮箱故障诊断应用[J];航空学报;2006年03期
4 张鸿雁;;基于改进支持向量机方法的汽轮机故障诊断研究[J];煤矿机械;2008年07期
5 何凡;刘光斌;;核函数在液压泵故障诊断中的应用研究[J];煤矿机械;2009年01期
6 任丽华;王昕;赵毅斌;;基于支持向量机的液压泵故障判断方法研究[J];煤矿机械;2009年03期
7 魏巍;詹玉龙;赵倍聪;霍崇富;;基于支持向量机的船舶柴油机层次故障诊断的研究[J];南通航运职业技术学院学报;2009年01期
8 董卓;朱永利;;基于支持向量机的变压器故障多层次诊断及定位[J];陕西电力;2011年08期
9 夏文静,傅行军;小波变换在转子动静碰摩故障诊断中的应用[J];汽轮机技术;2005年03期
10 毛志阳;陆爽;;基于K-L变换和支持向量机的滚动轴承故障诊断[J];煤矿机械;2006年06期
11 袁胜发;褚福磊;;基于引力球结构支持向量机多类算法的涡轮泵故障诊断[J];宇航学报;2006年04期
12 毛荣富;朱海潮;黄映云;;基于后验概率的支持向量机在故障诊断中的应用[J];中国机械工程;2006年S2期
13 李志农;韩捷;潘玉娜;李凌均;;机械故障矢功率谱—支持向量机识别方法研究[J];计算机工程与应用;2007年08期
14 田景文;吴浩;高美娟;;基于支持向量机的火车滚轴故障诊断[J];机床与液压;2007年07期
15 吴洪兴;彭宇;彭喜元;;基于支持向量机多分类方法的模拟电路故障诊断研究[J];电子测量与仪器学报;2007年04期
16 黄亮;侯建军;刘颖;宋伟;李赵红;;基于相量分析与支持向量机的交流电路故障诊断[J];北京交通大学学报;2008年05期
17 郑建柏;朱永利;;基于欧氏聚类和支持向量机的变压器故障诊断[J];电力科学与工程;2008年04期
18 孙来军;胡晓光;纪延超;;基于支持向量机的高压断路器机械状态分类[J];电工技术学报;2006年08期
19 于德介;陈淼峰;程军圣;杨宇;;基于AR模型和支持向量机的转子系统故障诊断方法[J];系统工程理论与实践;2007年05期
20 武建军;马振利;张越萌;杨旭;;基于小波-支持向量机(SVM)的发动机泵机组故障诊断[J];中国测试技术;2007年05期
中国重要会议论文全文数据库 前10条
1 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文集[C];2007年
2 袁昊程;钟秋海;戴亚平;;基于支持向量机的旋转机械故障诊断[A];2003中国控制与决策学术年会论文集[C];2003年
3 史丽萍;杨晓冬;匡杰;;基于支持向量机的水泵故障诊断[A];中国计量协会冶金分会2007年会论文集[C];2007年
4 冯辅周;郭恒毅;江鹏程;;支持向量机及其在电机故障诊断中的应用[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年
5 罗跃纲;张松鹤;杜元虎;闻邦椿;;转子系统碰摩故障诊断研究[A];第八届全国转子动力学学术讨论会论文集[C];2008年
6 初燕;付忠广;戈志华;靳涛;卞双;;基于支持向量机的故障诊断方法探讨[A];中国动力工程学会第三届青年学术年会论文集[C];2005年
7 张军峰;胡寿松;;基于多重核学习支持向量机的歼击机故障诊断[A];第七届全国信息隐藏暨多媒体信息安全学术大会论文集[C];2007年
8 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
9 罗跃纲;张松鹤;吴斌;闻邦椿;;转子系统裂纹故障诊断研究[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
10 和卫星;陈晓平;陈季云;陆森林;;石油钻井传动滚动轴承的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
中国博士学位论文全文数据库 前10条
1 赵冲冲;基于支持向量机的旋转机械故障诊断[D];西北工业大学;2003年
2 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
3 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
4 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
5 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
6 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
7 宋凯;基于PLS的统计质量监控研究与应用[D];浙江大学;2005年
8 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
9 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
10 翟永杰;基于支持向量机的故障智能诊断方法研究[D];华北电力大学(河北);2004年
中国硕士学位论文全文数据库 前10条
1 陈淼峰;基于EMD与支持向量机的转子故障诊断方法研究[D];湖南大学;2005年
2 曾嵘;支持向量机在设备故障诊断中的应用研究[D];中南大学;2005年
3 杨琦;支持向量机在液压系统故障诊断中的应用研究[D];大连海事大学;2005年
4 潘庆丰;模糊模式识别技术研究及其在故障诊断中的应用[D];福州大学;2006年
5 初燕;支持向量机及其在热能工程领域中的应用[D];华北电力大学(北京);2006年
6 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年
7 郑媛媛;凸壳理论在支持向量分类机中的应用[D];东北电力大学;2009年
8 程晓盛;基于Agent和支持向量机的远程智能诊断技术研究[D];燕山大学;2006年
9 雷瑾(Theingi Shwe);基于支持向量机的船舶主机缸盖故障诊断的研究[D];上海海事大学;2007年
10 于芙蓉;基于支持向量机的烟气轮机故障诊断研究[D];北京化工大学;2009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
 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