版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、振動信號是旋轉機械狀態(tài)監(jiān)測與故障診斷的基本信息來源,而這些信號通常為非線性、非高斯的非平穩(wěn)信號。通過小波變換所得的故障信號的小波尺度譜,其紋理分布及灰度變化能夠較好的反映出故障的非平穩(wěn)特征,對其進行特征提取并應用于故障診斷中,有利于轉子故障的智能診斷。目前提出的小波尺度譜特征提取的方法主要有基于小波系數矩陣的一階灰度矩向量以及尺度譜紋理特征。上述兩種尺度譜特征提取的方法,從圖像像素的二階統(tǒng)計特性方面對故障特征進行了描述,提取了較好的故障
2、特征,但未對故障的非線性特征進行相應的分析,忽略了圖像中的高階統(tǒng)計信息。針對上述問題,本文提出了利用核主成分分析(KPCA)對尺度譜圖像進行特征的提取,并利用參數自適應支持向量機模型對提取的尺度譜特征進分類,結果表明了該方法對尺度譜特征提取的有效性。
第一,闡述了連續(xù)小波變換的基本原理,小波基函數的性質和本文中選擇小波基函數的依據。分析和研究了轉子不平衡、不對中、碰摩及油膜渦動等四類典型轉子故障的故障機理、頻譜特征和相應的
3、尺度譜圖像特征。
第二,對尺度譜的一階灰度矩向量、尺度譜紋理特征的提取方法進行了介紹。研究了核方法的基本原理以及幾種常用的典型核函數,介紹了主成分分析(PCA)的基本方法和原理,并將核方法與PCA方法結合,提出了基于核主成分分析(KPCA)的小波尺度譜特征提取方法。利用ZT-3多功能轉子故障模擬實驗系統(tǒng)、航空發(fā)動機轉子故障實驗器對上述四類故障進行數據模擬和采集。提取了上述故障樣本的小波尺度譜圖像特征,并對所得的特征數據進行
4、了分析研究。
第三,研究了支持向量機分類模型的原理和其在學習分類中的優(yōu)越性。針對目前支持向量機模型參數的確定尚無標準的方法,研究了核函數參數σ及支持向量機懲罰因子C,對模型分類效果的影響,并采用遺傳算法對上述兩個參數進行了優(yōu)化,構造形成了參數自適應的支持向量機模型。最后運用該模型對所提取的尺度譜特征進行分類識別。實驗結果表明,利用KPCA方法所提取的尺度譜數字特征具有較強的故障識別能力,通過該方法提取的特征可以有效的實現(xiàn)轉
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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。
最新文檔
- 基于小波分析的機械故障特征提取與診斷技術研究.pdf
- 基于譜熵的故障特征提取與數據挖掘技術研究.pdf
- 基于小波的模擬電路故障特征提取.pdf
- 基于EMD和混沌分析的轉子振動故障特征提取與診斷.pdf
- 基于信息熵特征提取的電路故障診斷技術研究.pdf
- 轉子故障信號的量化特征提取方法研究.pdf
- 航空電源故障特征提取與故障診斷研究.pdf
- 非平穩(wěn)非高斯信號特征提取與故障診斷技術研究.pdf
- 齒輪箱故障特征提取技術研究.pdf
- 脈搏波時、頻域特征提取與識別技術研究.pdf
- 基于小波變換技術的紋理特征提取技術的研究.pdf
- 基于小波多尺度分析的銅浮選泡沫圖像特征提取.pdf
- 基于小波變換的機械軸承磨損故障特征提取方法研究.pdf
- 多維多尺度齒輪故障特征提取與分類的研究.pdf
- 鐵譜圖像分割與磨粒特征提取技術研究.pdf
- 流化床結塊故障的聲紋特征提取及診斷技術研究.pdf
- 基于張量分解特征提取的發(fā)動機故障診斷技術研究.pdf
- 基于譜融合的管道故障特征提取方法研究.pdf
- 基于聲全息的故障特征提取技術研究.pdf
- 基于離散小波變換的特征提取和故障分類方法研究.pdf
評論
0/150
提交評論