基于自適應(yīng)Mean Shift的結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展,機(jī)械設(shè)備越來越復(fù)雜,自動(dòng)化水平越來越高,機(jī)械設(shè)備在現(xiàn)代工業(yè)生產(chǎn)中的作用和影響越來越大,與其有關(guān)的費(fèi)用越來越高,機(jī)器運(yùn)行中發(fā)生的任何故障或失效不僅會(huì)造成重大的經(jīng)濟(jì)損失,甚至還可能導(dǎo)致人員傷亡。因此,應(yīng)該及時(shí)地對(duì)設(shè)備故障狀態(tài)進(jìn)行監(jiān)測(cè),使之安全經(jīng)濟(jì)地運(yùn)轉(zhuǎn)。本文以滾動(dòng)軸承為研究對(duì)象,研究了基于自適應(yīng)MeanShift聚類算法的機(jī)械結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)技術(shù)。
　　研究了信號(hào)的預(yù)處理方法:時(shí)域指標(biāo)、頻域指標(biāo)和小波包變換。實(shí)驗(yàn)表

2、明:當(dāng)滾動(dòng)軸承出現(xiàn)故障時(shí),時(shí)域、頻域指標(biāo)都會(huì)發(fā)生變化,且不同類型損傷和損傷程度不同時(shí),時(shí)域和頻率指標(biāo)有明顯差別;另外,不同類型損傷的振動(dòng)信號(hào)經(jīng)小波包變換分解后,其能量分布也表現(xiàn)出不同的特征;因此,提取振動(dòng)信號(hào)的時(shí)域、頻域和小波包指標(biāo)可以降低振動(dòng)信號(hào)的維數(shù),有效地描述不同類型的故障狀態(tài)。
　　研究了基于能量熵的健康狀態(tài)監(jiān)測(cè)方法,實(shí)驗(yàn)表明:小波包能量熵可以有效地鑒別故障狀態(tài)和損傷程度,可以用來監(jiān)測(cè)滾動(dòng)軸承健康狀態(tài)的變化歷程。
　

3、　論述了MeanShift算法的原理,通過實(shí)驗(yàn)研究了核函數(shù)、核半徑以及閾值對(duì)聚類算法的影響。核函數(shù)影響聚類分析的準(zhǔn)確率及算法的迭代次數(shù),對(duì)于每一個(gè)核函數(shù),聚類算法都存在一個(gè)合理的核半徑區(qū)間,當(dāng)核半徑超出該范圍時(shí),聚類的準(zhǔn)確率會(huì)降低;另外,閾值越小,算法的聚類效果越好。
　　論述了自適應(yīng)MeanShift算法(AdaptiveMeanShift,AMS)的原理,通過實(shí)驗(yàn)證明了核函數(shù)、初始核半徑以及迭代次數(shù)對(duì)聚類算法的影響。使用高斯核

4、函數(shù)時(shí),核半徑初值的選擇對(duì)聚類影響較大,使用Epanechnikov核函數(shù)時(shí),核半徑初值對(duì)聚類影響較小,與前者相比,它的分類準(zhǔn)確率較低;另外,增大迭代次數(shù),可以改善聚類效果。與MeanShift算法相比,AMS算法具有較好的聚類效果。
　　提出了基于自適應(yīng)MeanShift質(zhì)心偏移的結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)方法,該方法將無損傷狀態(tài)的質(zhì)心作為基準(zhǔn),用某一狀態(tài)的質(zhì)心與基準(zhǔn)質(zhì)心的偏移量判斷結(jié)構(gòu)是否發(fā)生損傷以及損傷程度。實(shí)驗(yàn)表明:與基準(zhǔn)質(zhì)心距離越