轉(zhuǎn)子軸心軌跡的提純、特征提取與自動識別研究.pdf

1、轉(zhuǎn)子軸心軌跡包含著豐富的故障信息，在汽輪機故障診斷中有著重要作用，而如何能夠得到清晰的軸心軌跡并將其分類識別一直是故障診斷研究中的熱點。本文在此背景下對軸心軌跡的提純、特征提取與自動識別做了以下研究：
　　首先，本文介紹了轉(zhuǎn)子軸心軌跡的振動機理，并從其振動分類及形成原因來進(jìn)一步了解了振動機理；通過介紹轉(zhuǎn)子動力學(xué)模型，對簡化的力學(xué)模型求解微分方程以得到軸心軌跡圖的計算公式，并對各種不同故障狀態(tài)下的軸心軌跡特征進(jìn)行了分析、介紹。

2、>　　其次，在研究軸心軌跡提純方面，本文引用了小波變換、諧波小波、EEMD原理三種方法對軸心軌跡進(jìn)行了提純處理。通過仿真實驗發(fā)現(xiàn)，三種方法均能夠?qū)崿F(xiàn)軸心軌跡的提純，但小波變換在提純處理過程中會因小波基、分解層數(shù)及閾值參數(shù)的不同而導(dǎo)致提純效果也不相同；諧波小波算法相對簡單，編程容易實現(xiàn)，且提純效果也較小波變換清晰，但由于諧波小波不能按照工程要求去任意細(xì)化所要分析的頻段，故使其在工程應(yīng)用中有較大的局限性；對于EEMD算法則能夠較為完整的還原

3、原軸心軌跡圖形，且為將來的特征提取做了鋪墊，但EEMD對于原信號頻率分布在高頻，即與噪聲混疊在一起的信號，提純效果并不理想。
　　最后，在研究軸心軌跡特征提取與自動識別方面，本文在基于支持向量機更適用于小樣本、非線性識別的基礎(chǔ)上，引入了有向無環(huán)圖SVM多分類識別模型，并從軸心軌跡的信號特征及圖像特征兩個方面進(jìn)行研究。在圖像特征方面，本文采用了一種改進(jìn)的不變矩方法，對原始不變矩進(jìn)行了改進(jìn)，克服了其比例因子的影響因素，使其得到的特征滿