2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、轉(zhuǎn)子作為旋轉(zhuǎn)機械的核心部件,在整個機械的運作中扮演著至關(guān)重要的角色,轉(zhuǎn)子系統(tǒng)的運行狀況直接關(guān)乎到整臺機械的性能。轉(zhuǎn)子系統(tǒng)長期在高速、超負荷、長時間的等工作惡劣環(huán)境下極其容易出現(xiàn)各種故障,如果不及時對故障進行診斷維護、造成整機的失效和工業(yè)生產(chǎn)建設(shè)的進程帶來巨大的經(jīng)濟損失,同時潛在的也存在著安全隱患。文章以旋轉(zhuǎn)機械為研究對象,針對傳統(tǒng)時頻分析對故障診斷領(lǐng)域的一些不足和早期復(fù)合故障診斷中噪聲干擾大的問題,設(shè)計了故障模擬方案和深入研究了拉普拉斯

2、特征映射算法,利用流形學習方法提取轉(zhuǎn)子故障系統(tǒng)的有效特征。主要研究工作如下:
  1)針對傳統(tǒng)時頻分析方法對信號高頻地帶冗余性和信號特征提取不完整的不足,提出了一種基于多尺度拉普拉斯特征映射(Multiscale-LE,MS-LE)的轉(zhuǎn)子故障診斷方法,多尺度分解故障信號,提高分辨率獲取信息,提取各尺度小波熵,同一故障所有狀態(tài)的小波熵構(gòu)成高維特征集合并進行本征維數(shù)估計,利用拉普拉斯特征映射算法(LE)以本征維數(shù)估計值為依據(jù)進行降維,

3、獲得低維特征映射,最終實現(xiàn)了轉(zhuǎn)子故障特征提取和識別,并比較了經(jīng)典的主成分分析算法(PCA)、局部線性嵌入算法(LLE)和LE方法,證明了多尺度拉普拉斯特征映射方法(MS-LE)對故障識別的有效性。
  2)在機械設(shè)備的早期復(fù)合故障診斷中發(fā)現(xiàn)噪聲干擾強、傳統(tǒng)線性時頻方法對故障信息的潛在特征挖掘能力不強等問題,提出了基于流形子帶特征映射的故障診斷方法,利用小波包分析方法對噪聲的強烈抑制作用和信號分解多分辨率性,為了獲得完整特征的故障信

4、號首先對故障原始信號進行相空間重構(gòu),然后信號分解成多個流形子帶,并以同一故障多種狀態(tài)的同一流形子帶組合成高維的本征特性數(shù)據(jù)空間并且對其進行本征維數(shù)估計,通過LE方法將高維數(shù)據(jù)空間的本質(zhì)特征映射到低維特征向量。最后,提取其信息熵值,通過實驗分析對比了經(jīng)典 LLE、LE方法和MS-LE方法,證明流形子帶特征映射方法對單故障和復(fù)合故障識別都具有實用性。
  3)文本自主開發(fā)和設(shè)計了一套基于拉普拉斯特征映射的轉(zhuǎn)子故障診斷系統(tǒng),包括參數(shù)設(shè)置

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論