核方法在轉(zhuǎn)子故障診斷中的應(yīng)用方法研究.pdf

1、隨著機(jī)械設(shè)備向大型化、智能化和高度非線性方向發(fā)展，對(duì)其運(yùn)行維護(hù)提出了更高的要求。為此，現(xiàn)代信息技術(shù)和現(xiàn)代測試技術(shù)以及人工智能等在旋轉(zhuǎn)機(jī)械故障診斷技術(shù)受到了廣泛的關(guān)注。利用獲取的機(jī)器狀態(tài)數(shù)據(jù)信息，采用智能數(shù)據(jù)處理算法，通過建立量化描述機(jī)械運(yùn)行狀態(tài)的特征模式，可為實(shí)現(xiàn)智能機(jī)械設(shè)備奠定理論基礎(chǔ)。
　　本研究以旋轉(zhuǎn)機(jī)械核心部件——轉(zhuǎn)子系統(tǒng)為研究對(duì)象，圍繞故障數(shù)據(jù)集降維和故障模式分類與辨識(shí)問題開展了研究。通過對(duì)故障特征集的降維及轉(zhuǎn)子系統(tǒng)故障

2、辨識(shí)方法的探討，為科學(xué)描述機(jī)械設(shè)備運(yùn)行狀態(tài)以及精確實(shí)現(xiàn)旋轉(zhuǎn)機(jī)械故障在線和離線診斷提供理論依據(jù)。開展的具體研究內(nèi)容和得到的結(jié)論如下：
　　1.針對(duì)轉(zhuǎn)子系統(tǒng)高維故障數(shù)據(jù)存在“信息豐富，知識(shí)貧乏”的問題，在分析單一尺度核主成分分析(KPCA)的基礎(chǔ)上，通過構(gòu)造多核函數(shù)的一種特殊形式多尺度核函數(shù)，建立多尺度核函數(shù)主成分分析(MSKPCA)方法用于高維故障數(shù)據(jù)的降維。此方法能夠以不同的尺度提取原始空間中的敏感特征信息，將其用于數(shù)據(jù)降維，一方

3、面可以解決“維數(shù)災(zāi)難”問題，另一方面可以更好地認(rèn)識(shí)和理解數(shù)據(jù)。
　　2.建立了基于多尺度核主成分分析法(MSKPCA)和支持向量機(jī)(SVM)的多尺度核多層核轉(zhuǎn)子故障診斷模型。在分析主成分方法、核主成分分析法以及支持向量機(jī)(SVM)特點(diǎn)的基礎(chǔ)上，建立了MSKPCA—SVM轉(zhuǎn)子故障診斷模型，該模型的特點(diǎn)是：多尺度核主成分分析方法具有多尺度性能，可有效提取原始特征集不同尺度下的敏感特征信息，支持向量機(jī)在小樣本分類中優(yōu)勢(shì)明顯，因此該模型在

4、轉(zhuǎn)子故障診斷中顯示出很好地診斷效果。
　　3.分析了轉(zhuǎn)子典型故障的特點(diǎn)，并通過實(shí)驗(yàn)驗(yàn)證了所建立的多尺度核多層核故障診斷模型。在分析并總結(jié)轉(zhuǎn)子系統(tǒng)典型故障特性的基礎(chǔ)上，在雙跨轉(zhuǎn)子實(shí)驗(yàn)臺(tái)模擬了轉(zhuǎn)子系統(tǒng)的四種典型故障，利用采集的數(shù)據(jù)，對(duì)多尺度核多層核轉(zhuǎn)子系統(tǒng)故障診斷模型進(jìn)行驗(yàn)證。結(jié)果表明：多尺度核主成分分析方法能夠提取不同尺度下的敏感特征信息，建立的模型能夠正確診斷不同故障，具有良好的實(shí)用價(jià)值。
　　4.對(duì)轉(zhuǎn)子實(shí)驗(yàn)臺(tái)狀態(tài)監(jiān)測與反饋