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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、大型旋轉(zhuǎn)機(jī)械通常運(yùn)行工況復(fù)雜,傳感器采集到的振動(dòng)信號(hào)大多伴有非線性、非穩(wěn)定性特征,因此,以振動(dòng)信號(hào)為目標(biāo)的故障診斷工作變得愈加艱難。本論文把旋轉(zhuǎn)機(jī)械包含的重要組件軸承和齒輪作為研究對(duì)象,開展了基于局部切空間排列算法(LTSA)的特征提取及識(shí)別方法研究。改進(jìn)最小熵反褶積(MED)方法,提高了微弱信號(hào)的信噪比,并結(jié)合LTSA開展相關(guān)研究:基于包數(shù)方法與局部切空間降噪的故障特征提取方法及基于LTSA與K-最近鄰分類器(KNN分類器)的軸承故障
2、識(shí)別方法。主要研究?jī)?nèi)容如下:
(1)研究了果蠅優(yōu)化算法(FOA)和粒子群優(yōu)化算法(PSO)改進(jìn)MED的診斷方法。針對(duì)強(qiáng)噪聲背景下最小熵反褶積使信號(hào)有用信息丟失,以及MED方法得到濾波系數(shù)存在局部最優(yōu)和終止條件參數(shù)選取不適造成的信號(hào)的過降噪等問題,引入智能優(yōu)化方法改進(jìn)MED替代MED中目標(biāo)函數(shù)求解方法(Objective Function Method,OFM),作為MED前處理器,尋求最佳濾波系數(shù)。分別提出基于FOA和基于PS
3、O的兩種改進(jìn)MED方法,所提方法能夠?qū)で笕肿顑?yōu)逆濾波器系數(shù),剔除強(qiáng)噪聲成分。利用低速軸承實(shí)驗(yàn)臺(tái)分別對(duì)兩種方法進(jìn)行驗(yàn)證與分析,結(jié)果表明:兩種方法能夠有效削減噪聲,可有效提取故障特征,在信號(hào)降噪方面取得較好的效果。同時(shí)對(duì)比兩種方法,F(xiàn)OA改進(jìn)算法在非線性降噪方面具有更好的效果,更適用于軸承微弱故障診斷。
(2)研究了基于包數(shù)與局部切空間重構(gòu)降噪方法,用以解決局部切空間重構(gòu)方法中約簡(jiǎn)維數(shù)隨意選取可能導(dǎo)致相空間的主流形畸變,使得降噪
4、效果降低等問題。為更多挖掘信號(hào)的有用信息,利用相空間重構(gòu)技術(shù)、互補(bǔ)的總體經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMD)完成一維信號(hào)向高維空間的映射。利用相空間重構(gòu)方法對(duì)高維空間進(jìn)行處理,剔除噪聲成分。分別利用相空間重構(gòu)逆過程和分量求和重構(gòu)出一維信號(hào)。最終利用Hilbert-FFT進(jìn)行包絡(luò)解調(diào),提取故障特征。利用滾動(dòng)軸承實(shí)驗(yàn)系統(tǒng)進(jìn)行對(duì)比分析和驗(yàn)證,分析表明:較傳統(tǒng)小波降噪(WT),所提方法可提升信噪比,體現(xiàn)良好的降噪效果,能夠用于軸承故障診斷。基于包數(shù)方法的
5、局部切空間重構(gòu)具有更好的降噪性能,但運(yùn)行時(shí)間較長(zhǎng)。基于CEEMD的局部切空間重構(gòu)降噪欠佳,不過重構(gòu)簡(jiǎn)單,耗時(shí)較短。
(3)研究了基于LTSA-KNN分類器的故障識(shí)別方法。針對(duì)LTSA的效果受近鄰數(shù)k值影響較大的缺點(diǎn),提出基于聚類準(zhǔn)則的LTSA-KNN分類器的診斷模型。選取13種時(shí)域特征參數(shù)構(gòu)建高維特征矩陣,然后對(duì)高維矩陣進(jìn)行標(biāo)準(zhǔn)化預(yù)處理,依據(jù)聚類準(zhǔn)則確定LTSA中的最佳近鄰數(shù)k,利用LTSA完成三維映射以觀察聚類情況。將三維矩
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非線性分析的故障特征提取及識(shí)別方法研究.pdf
- 保局子空間人臉特征提取及識(shí)別方法研究.pdf
- 語音情感特征提取及識(shí)別方法研究.pdf
- 人臉特征提取與識(shí)別方法研究.pdf
- 基于混合特征提取與決策樹算法的表情識(shí)別方法研究.pdf
- 基于內(nèi)積變換的機(jī)械故障特征提取原理與早期識(shí)別方法研究.pdf
- 基于小波分形特征提取的漢字識(shí)別方法.pdf
- 人臉識(shí)別中局部特征提取方法研究.pdf
- 線性及非線性特征提取人臉識(shí)別方法的研究.pdf
- 人臉識(shí)別中基于子空間的特征提取方法研究.pdf
- 公共場(chǎng)所槍聲特征提取及識(shí)別方法研究.pdf
- 基于時(shí)頻分析方法的單細(xì)胞圖像特征提取及識(shí)別方法研究.pdf
- 基于腦電的意識(shí)任務(wù)特征提取與識(shí)別方法研究.pdf
- 基于Hilbert譜特征提取的智能識(shí)別方法研究與應(yīng)用.pdf
- 基于流形的人臉識(shí)別子空間特征提取算法研究.pdf
- 基于子空間的人臉特征提取和識(shí)別算法研究.pdf
- 基于全局和局部結(jié)構(gòu)特征提取的故障檢測(cè)方法研究.pdf
- 基于特征空間鄰域結(jié)構(gòu)分析的故障識(shí)別方法.pdf
- 基于GSLPP特征提取算法和多分類器融合的人臉識(shí)別方法研究.pdf
- 基于局部紋理特征提取的表情識(shí)別研究.pdf
評(píng)論
0/150
提交評(píng)論