基于高斯混合模型與子空間技術(shù)的故障識(shí)別研究.pdf

1、機(jī)械設(shè)備故障診斷的過程就是故障模式識(shí)別的過程，但模式識(shí)別方法在故障診斷中的應(yīng)用需要結(jié)合設(shè)備故障信號(hào)的具體特點(diǎn)。設(shè)備故障信號(hào)具有非線性和非平穩(wěn)特性，隨著故障程度的加深，這兩種特性將更加顯著。因此，研究適用于設(shè)備故障信號(hào)的模式識(shí)別算法對(duì)提高故障識(shí)別率和識(shí)別效率具有重要意義。 本文以齒輪振動(dòng)信號(hào)和聲信號(hào)作為研究對(duì)象，采用高斯混合模型與子空間方法，研究設(shè)備故障模式識(shí)別過程中的相關(guān)算法，分析高斯混合模型與子空間方法在設(shè)備故障識(shí)別中應(yīng)用的可

2、行性與有效性。對(duì)提出的各種分類算法進(jìn)行比較。論文所作的主要工作如下： 1)基于相空間重構(gòu)與局部獨(dú)立分量分析的降噪算法及其應(yīng)用 借鑒局部投影降噪算法的思想，將相空間重構(gòu)與局部獨(dú)立分量分析相結(jié)合用于信號(hào)降噪。采用仿真信號(hào)對(duì)該算法的降噪效果和三種不同相空間重構(gòu)方法對(duì)降噪效果的影響進(jìn)行了分析比較。該算法與全局投影等降噪算法相比，降噪效果更好。 將該降噪算法與共振解調(diào)技術(shù)相結(jié)合，提出了一種適用于低速重載軸承故障診斷的方法。

3、利用此方法對(duì)某煉鋼廠轉(zhuǎn)爐傾動(dòng)機(jī)構(gòu)懸掛齒輪箱耳軸軸承進(jìn)行故障診斷，診斷結(jié)果與實(shí)際情況相符。 2)基于相空間重構(gòu)與高斯混合模型的設(shè)備故障識(shí)別算法 將非線性時(shí)間序列分析中的相空間重構(gòu)算法與高斯混合模型相結(jié)合，用于設(shè)備故障信號(hào)的模式描述，并采用貝葉斯分類器對(duì)待檢數(shù)據(jù)進(jìn)行分類。采用該算法分別對(duì)齒輪振動(dòng)信號(hào)和聲信號(hào)進(jìn)行訓(xùn)練和分類，結(jié)果表明，該算法能夠克服噪音干擾，對(duì)各類齒輪故障進(jìn)行識(shí)別，并具有很高的識(shí)別率。在此基礎(chǔ)上，分析了各參數(shù)對(duì)

4、識(shí)別率的影響，并論述了高斯混合模型參數(shù)的選擇方法。 3)基于四分位偏差分形維與高斯混合模型的故障識(shí)別算法 針對(duì)設(shè)備故障狀態(tài)下信號(hào)的非線性，非平穩(wěn)性，研究非趨勢(shì)波動(dòng)分析用于設(shè)備故障識(shí)別的可行性。在此基礎(chǔ)上，提出采用四分位偏差分形維及其計(jì)算中產(chǎn)生的截距組成特征向量進(jìn)行設(shè)備故障識(shí)別。 根據(jù)振動(dòng)信號(hào)的特點(diǎn)，提出先對(duì)信號(hào)進(jìn)行極差標(biāo)準(zhǔn)化處理。此改進(jìn)方法，降低了四分位偏差分形維對(duì)信號(hào)幅值大小及分如的敏感性。將該算法與高斯混合模