基于流形空間主曲線相似度的狀態(tài)評估方法研究.pdf

1、現(xiàn)代機械設(shè)備更加智能化、集成化、精細化。面臨的運行環(huán)境更加復(fù)雜多變，在國民經(jīng)濟體系中承擔著越來越重要的責任。一旦設(shè)備發(fā)生故障，就有可能造成一定的經(jīng)濟損失，嚴重時甚至會引發(fā)重大安全事故。因此，對機械設(shè)備進行運行狀態(tài)評估，分析其性能退化趨勢非常重要。
　　機械設(shè)備振動信號復(fù)雜化、非線性、耦合度高，針對其故障信號微弱，難以發(fā)現(xiàn)等特點，本文提出了基于流形空間主曲線相似度的機械設(shè)備運行狀態(tài)評估方法，并完成了軟件系統(tǒng)開發(fā)與算法驗證實驗。本文主

2、要完成了以下三個方面的內(nèi)容：
　?、贆C械設(shè)備運行狀態(tài)評估首要解決的是特征提取過程，本文首先提取單一時域、頻域、小波包能量等38個常用特征量，然后，結(jié)合振動信號的 Wigner-Ville時頻分布與圖像相似度評價指標復(fù)小波指數(shù)，提出了新的特征量─WVD&CW-SSIM，通過滾動軸承全壽命實驗驗證了該特征量對振動信號變化的敏感性，且能發(fā)現(xiàn)滾動軸承運行過程中的早期故障。最后，針對機械振動信號的非線性、耦合度高，單一域特征無法全面表征其特

3、性的特點，提出了基于流形學(xué)習的多特征融合方法，將時域、頻域、小波包能量以及WVD&CW-SSIM等39個特征量融合構(gòu)成原始高維特征集，多域、多空間、多角度地描述振動特性，同時，使用基于圖譜的流形學(xué)習算法拉普拉斯特征映射（LE）將高維特征空間最大程度無失真地轉(zhuǎn)換到低維空間。
　?、卺槍C械設(shè)備故障信號微弱，無法準確發(fā)現(xiàn)其早期故障等特點以及常規(guī)狀態(tài)評估方法HMM模型與DBN網(wǎng)絡(luò)參數(shù)選取困難、訓(xùn)練學(xué)習過程復(fù)雜等缺點，本文提出了基于流形空

4、間Hausdorff距離的主曲線相似度運行狀態(tài)評估方法。并針對原始軟-K主曲線初始迭代次數(shù)必須人為設(shè)定的缺陷，通過引入評判函數(shù)實現(xiàn)了自適應(yīng)迭代次數(shù)設(shè)定，同時，建立了基于流形空間主曲線相似度的機械設(shè)備運行狀態(tài)評估算法總流程。最后，通過滾動軸承加速退化實驗驗證了本文算法對軸承故障信號比較敏感，能更早地發(fā)現(xiàn)軸承故障，且無需復(fù)雜的訓(xùn)練學(xué)習與參數(shù)選取過程。
　?、劢Y(jié)合 VC++與 Matlab開發(fā)了機械設(shè)備運行狀態(tài)評估軟件系統(tǒng)，并對現(xiàn)場環(huán)境