学位论文 > 优秀研究生学位论文题录展示

基于非线性时间序列的机械故障模式识别

作　者: 黄艳林
导　师: 李友荣
学　校: 武汉科技大学
专　业: 机械电子工程
关键词: 模式识别相空间重构局部独立投影非线性动力学支持向量机
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 117次
引　用: 0次
阅　读: 论文下载

内容摘要

机械设备的故障模式识别包括信号的降噪、特征提取、降维、故障模式的描述和识别等主要内容。机械故障的模式识别往往是对采集到的时间序列进行分析研究,而机械故障信号一般具有非线性和非平稳性,且存在噪声干扰,因此研究适用于机械设备故障模式识别的方法具有重要意义。将相空间重构技术与独立分量分析方法相结合,提出了局部独立投影降噪算法。运用该方法对仿真信号进行降噪实验,效果良好。仿真实验表明,该算法的降噪效果明显优于全局投影降噪算法;一般情况下与局部投影算法降噪效果接近,在某些情况下也优于局部投影算法。并运用该方法对低速重载轴承振动信号进行分析,准确判断出轴承故障。提出将非线性动力学中的关联维、最大李雅普洛夫指数和柯尔莫哥罗夫熵三个参数同时作为特征向量,运用支持向量机作为分类器的故障模式分类方法。运用该方法分别对故障齿轮信号中的断齿、磨损、周节误差和正常四种故障类型进行训练和识别,结果表明该方法具有较高的识别率。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-16
  1.1 基于非线性时间序列的机械故障模式识别研究意义  8
  1.2 模式识别的研究方法  8-11
    1.2.1 模式识别的概述  8-9
    1.2.2 模式识别的方法  9-11
  1.3 基于非线性时间序列的模式识别研究方法及现状  11-14
    1.3.1 故障诊断中的信号拾取  11-12
    1.3.2 对时间序列信号的预处理  12
    1.3.3 信号的特征选择和特征提取  12-13
    1.3.4 故障信号的模式识别  13-14
  1.4 基于非线性时间序列的模式识别研究趋势  14-15
  1.5 本文的主要研究内容  15-16
2 基于相空间重构与局部独立分量分析的降噪算法  16-32
  2.1 非线性时间序列的相空间重构  16-17
  2.2 独立分量分析  17-23
    2.2.1 独立分量分析的研究现状  17-18
    2.2.2 独立分量分析的模型及应用条件  18-21
    2.2.3 ICA 模型估计原理与具体算法  21-23
  2.3 局部独立投影降噪算法  23-25
    2.3.1 ICA 在信号降噪中的应用  23
    2.3.2 局部独立投影降噪算法的基本原理  23
    2.3.3 局部独立投影降噪算法的实现  23-25
  2.4 局部独立投影降噪算法对仿真信号的降噪  25-29
    2.4.1 对正弦信号的仿真实验  26-27
    2.4.2 Lorenz 信号的仿真实验  27-29
  2.5 局部独立投影降噪算法在低速重载轴承故障诊断中的应用  29-31
  2.6 本章小结  31-32
3 基于非线性时间序列的模式识别  32-48
  3.1 非线性动力学参数的基础  32-34
    3.1.1 奇怪吸引子  32-34
  3.2 关联维数  34-36
    3.2.1 豪斯多夫测度  34
    3.2.2 豪斯多夫维数及关联维  34-36
  3.3 李雅普洛夫指数  36-38
  3.4 柯尔莫哥罗夫熵(K 熵  38-39
  3.5 支持向量机  39-45
    3.5.1 统计学习理论  39-41
    3.5.2 支持向量机分类模型  41-44
    3.5.3 支持向量机  44-45
  3.6 基于非线性时间序列的模式识别算法  45
  3.7 基于非线性时间序列的齿轮故障模式识别  45-47
  3.8 本章小结  47-48
4 总结与展望  48-50
  4.1 总结  48
  4.2 展望  48-50
参考文献  50-54
致谢  54-55
攻读硕士期间发表论文  55

基于非线性时间序列的机械故障模式识别

内容摘要

全文目录

相似论文