基于數(shù)據(jù)挖掘的溜槽振動信號模式分析與研究.pdf

1、溜槽是工業(yè)應用中的一個關鍵設備,溜槽堵塞是造成系統(tǒng)事故和降低運行效率的主要因素之一,然而堵塞預防與檢測是實際應用中的一個難點。本文在總結(jié)研究已有的溜槽堵塞預防與檢測方法的基礎上,結(jié)合機械故障診斷理論,采用溜槽的振動信號識別其運行過程中的狀態(tài),在模式識別的應用方面有著重要的學術價值和實際應用意義。
　　本文將數(shù)據(jù)挖掘技術應用于溜槽振動模式分析,結(jié)合溜槽振動數(shù)據(jù)的特性,使用特征提取和模式分類方法,對振動信號進行了處理分析,最后開發(fā)了振

2、動信號模式分析系統(tǒng)。本文主要內(nèi)容為:
　　首先,研究了振動特征提取方法,并結(jié)合直方圖的相關理論,提出了等寬強度序列和等深強度差序列特征劃分方法。并通過輸煤系統(tǒng)中的溜槽振動數(shù)據(jù)對時域和時頻域特征提取方法進行了相關實驗,實驗結(jié)果表明,不同模式下的振動數(shù)據(jù)經(jīng)過特征提取方法預處理后,具有一定的辨識度。
　　其次,根據(jù)輸煤系統(tǒng)的振動特征數(shù)據(jù),使用相似度度量、KNN分類方法對實驗數(shù)據(jù)進行了模式分類,首先對源數(shù)據(jù)進行了特征提取,然后通過數(shù)

3、據(jù)樣本間的相似度,對測試樣本進行了分類;使用樸素貝葉斯分類方法,首先對訓練樣本屬性進行分類概率統(tǒng)計,然后將統(tǒng)計結(jié)果應用于測試樣本對其進行分類。最后使用正確率、錯誤率、檢測率對各分類方法進行了評價。分析結(jié)果表明,采用KNN分類方法與等寬強度序列方法的結(jié)合使用,進行振動模式分析的性能優(yōu)于其他兩種方法。
　　最后,在上述研究成果的基礎上,應用特征提取和分類方法,開發(fā)了溜槽振動信號模式分析系統(tǒng)。系統(tǒng)包括源數(shù)據(jù)采集模塊,源數(shù)據(jù)特征參數(shù)化模塊