本文關(guān)鍵詞：基于信息融合的設(shè)備故障預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機(jī)械設(shè)備對(duì)工業(yè)進(jìn)步起到了巨大的促進(jìn)作用,為保障工業(yè)生產(chǎn)中關(guān)鍵設(shè)備持續(xù)、高效運(yùn)行,提高生產(chǎn)率,準(zhǔn)確的診斷與預(yù)測(cè)設(shè)備故障逐漸成為工業(yè)發(fā)展的重中之重。以往的故障預(yù)測(cè)技術(shù)大都基于單傳感器信號(hào),然而由于轉(zhuǎn)子渦動(dòng)現(xiàn)象的存在,靠單一傳感器采集的信號(hào)往往比較片面,這就導(dǎo)致其預(yù)測(cè)結(jié)果不夠準(zhǔn)確。而全矢譜技術(shù)能融合多通道信號(hào)并準(zhǔn)確提取特征量,克服了預(yù)測(cè)數(shù)據(jù)不可靠的技術(shù)難點(diǎn),可以有效提高故障預(yù)測(cè)的精度。支持向量回歸方法在解決小樣本預(yù)測(cè)問題中具有明顯的優(yōu)越性,而在其基礎(chǔ)上拓展出的最小二乘支持向量回歸具有更好的泛化能力和預(yù)測(cè)性能。在設(shè)備故障預(yù)測(cè)中采用最小二乘支持向量回歸可以充分利用設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)中近段時(shí)間內(nèi)采集的小樣本數(shù)據(jù)進(jìn)行趨勢(shì)預(yù)測(cè),這就大大提高預(yù)測(cè)結(jié)果的可信度,具有良好的工程實(shí)用效果。本文將全矢譜技術(shù)與最小二乘支持向量回歸方法相結(jié)合,構(gòu)建基于信息融合的設(shè)備故障預(yù)測(cè)模型,與以往時(shí)域指標(biāo)的預(yù)測(cè)不同,該模型是對(duì)反映設(shè)備運(yùn)行狀態(tài)的頻譜結(jié)構(gòu)進(jìn)行預(yù)測(cè),并通過實(shí)例驗(yàn)證其有效性。本課題的主要研究工作如下:1、分析不同的信息融合方法,并通過對(duì)比說明全矢譜技術(shù)的優(yōu)勢(shì)。介紹全矢譜技術(shù)的原理、算法以及特點(diǎn),并通過風(fēng)力渦輪機(jī)故障診斷綜合實(shí)驗(yàn)臺(tái)上的診斷實(shí)例驗(yàn)證其能夠提取同源信號(hào)中完整的、準(zhǔn)確的特征信息。運(yùn)用全矢譜技術(shù)能夠獲得反映設(shè)備真實(shí)狀態(tài)的特征量,為設(shè)備故障預(yù)測(cè)提供可靠的數(shù)據(jù)支持。2、研究支持向量回歸的基礎(chǔ)理論,分析其回歸預(yù)測(cè)的思想,并構(gòu)建基于全矢譜的支持向量回歸預(yù)測(cè)模型。該模型能夠解決以往單通道數(shù)據(jù)不完整及預(yù)測(cè)結(jié)果不準(zhǔn)確的問題,并通過sinc函數(shù)仿真和汽輪機(jī)組1X預(yù)測(cè)實(shí)例驗(yàn)證其可行性。3、構(gòu)建全矢最小二乘支持向量回歸預(yù)測(cè)模型,并給出其具體算法和預(yù)測(cè)流程。通過將現(xiàn)場(chǎng)汽輪機(jī)組的實(shí)際振動(dòng)數(shù)據(jù)應(yīng)用于該模型中,證明其能夠進(jìn)行頻譜結(jié)構(gòu)預(yù)測(cè)并能取得較好的預(yù)測(cè)效果,具有很好的工程實(shí)際意義。
【關(guān)鍵詞】：故障預(yù)測(cè) 全矢譜 信息融合 最小二乘支持向量回歸 回歸預(yù)測(cè)
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH17
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-20
• 1.1 課題來源10
• 1.2 設(shè)備故障預(yù)測(cè)的意義10-11
• 1.3 設(shè)備故障預(yù)測(cè)的研究現(xiàn)狀11-14
• 1.3.1 基于數(shù)據(jù)的預(yù)測(cè)方法12-13
• 1.3.2 基于模型的預(yù)測(cè)方法13-14
• 1.3.3 基于知識(shí)的預(yù)測(cè)方法14
• 1.4 同源信息融合技術(shù)的研究現(xiàn)狀14-17
• 1.4.1 全息譜分析方法15-16
• 1.4.2 全頻譜分析方法16-17
• 1.4.3 全矢譜分析方法17
• 1.5 本課題的研究目的和意義17-18
• 1.6 本文的主要內(nèi)容18-20
• 2 支持向量回歸理論20-30
• 2.1 引言20
• 2.2 機(jī)器學(xué)習(xí)20-22
• 2.2.1 機(jī)器學(xué)習(xí)的表達(dá)20-21
• 2.2.2 經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原則21-22
• 2.3 統(tǒng)計(jì)學(xué)習(xí)理論22-26
• 2.3.1 統(tǒng)計(jì)學(xué)習(xí)具有一致性的條件22
• 2.3.2 統(tǒng)計(jì)學(xué)習(xí)VC維概念22-23
• 2.3.3 結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則23-26
• 2.4 支持向量回歸思想26-28
• 2.4.1 最大間隔法分類26-27
• 2.4.2 支持向量回歸27-28
• 2.5 本章小結(jié)28-30
• 3 全矢譜技術(shù)及應(yīng)用30-43
• 3.1 引言30
• 3.2 全矢譜技術(shù)的基本理論30-36
• 3.3 全矢譜技術(shù)的數(shù)值算法36-37
• 3.4 全矢譜技術(shù)的兼容性37-38
• 3.5 全矢譜技術(shù)的應(yīng)用38-42
• 3.6 本章小結(jié)42-43
• 4 全矢支持向量回歸趨勢(shì)預(yù)測(cè)研究43-55
• 4.1 引言43
• 4.2 支持向量回歸算法43-49
• 4.2.1 線性回歸及損失函數(shù)43-45
• 4.2.2 ε—不敏感損失函數(shù)45-46
• 4.2.3 ε—不敏感損失函數(shù)的線性回歸46-48
• 4.2.4 非線性回歸的推廣48-49
• 4.3 全矢支持向量回歸預(yù)測(cè)模型及其應(yīng)用49-54
• 4.3.1 時(shí)間序列樣本重構(gòu)及預(yù)測(cè)49-50
• 4.3.2 預(yù)測(cè)結(jié)果的評(píng)價(jià)50
• 4.3.3 支持向量回歸預(yù)測(cè)的仿真分析50-51
• 4.3.4 全矢支持向量回歸預(yù)測(cè)模型的構(gòu)建51-52
• 4.3.5 全矢支持向量回歸在預(yù)測(cè)汽輪機(jī)組運(yùn)行狀態(tài)中的應(yīng)用52-54
• 4.4 本章小結(jié)54-55
• 5 基于全矢譜的最小二乘支持向量回歸故障預(yù)測(cè)研究55-67
• 5.1 引言55
• 5.2 最小二乘支持向量回歸的算法55-57
• 5.3 全矢最小二乘支持向量回歸預(yù)測(cè)模型及應(yīng)用57-66
• 5.3.1 對(duì)汽輪機(jī)組振動(dòng)信號(hào) 1X主振矢的預(yù)測(cè)57-58
• 5.3.2 全矢最小二乘支持向量回歸預(yù)測(cè)模型的參數(shù)選擇58-63
• 5.3.3 基于全矢最小二乘支持向量回歸的多步預(yù)測(cè)及頻譜結(jié)構(gòu)預(yù)測(cè)63-66
• 5.4 本章小結(jié)66-67
• 6 結(jié)論與展望67-69
• 6.1 本文工作總結(jié)67
• 6.2 課題研究的創(chuàng)新點(diǎn)67-68
• 6.3 展望68-69
• 參考文獻(xiàn)69-73
• 致謝73-74
• 個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果74

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;首屆全國信息融合學(xué)術(shù)年會(huì)召開[J];航空學(xué)報(bào);2009年12期

2 ;首屆全國信息融合學(xué)術(shù)年會(huì)征文通知[J];海軍航空工程學(xué)院學(xué)報(bào);2009年04期

3 ;第二屆全國信息融合學(xué)術(shù)年會(huì)征文通知[J];艦船電子工程;2010年01期

4 ;首屆全國信息融合學(xué)術(shù)年會(huì)[J];艦船電子工程;2010年01期

5 ;第三屆中國信息融合大會(huì)征文通知[J];航空學(xué)報(bào);2011年01期

6 ;第四屆中國信息融合大會(huì)征文通知[J];艦船電子工程;2011年08期

7 ;第4屆中國信息融合大會(huì)征文通知[J];航空學(xué)報(bào);2011年12期

8 ;第四屆中國信息融合大會(huì)征文通知[J];艦船電子工程;2011年12期

9 ;第四屆中國信息融合大會(huì)征文通知[J];艦船電子工程;2012年02期

10 ;第四屆中國信息融合大會(huì)征文通知[J];艦船電子工程;2012年03期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 朱茵;王軍利;;交通管理綜合信息融合模型研究[A];第二十七屆中國控制會(huì)議論文集[C];2008年

2 顧星;;中醫(yī)診斷與體表生物特征多信息融合的思考[A];中國中西醫(yī)結(jié)合學(xué)會(huì)診斷專業(yè)委員會(huì)2009’年會(huì)論文集[C];2009年

3 王志勝;甄子洋;王道波;范大鵬;;隨機(jī)大系統(tǒng)的信息融合最優(yōu)聯(lián)合控制[A];PCC2009—第20屆中國過程控制會(huì)議論文集[C];2009年

4 楊為民;李龍澍;;基于GIT的信息融合在農(nóng)業(yè)信息中的應(yīng)用[A];2005年“數(shù)字安徽”博士科技論壇論文集[C];2005年

5 劉汝杰;袁保宗;;信息融合的認(rèn)知學(xué)基礎(chǔ)與D-S融合方法[A];第九屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

6 杜奕;遲毅林;伍星;;概率盒和D-S結(jié)構(gòu)體在機(jī)械故障信號(hào)信息融合中的應(yīng)用展望[A];2009年中國智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

7 李樹軍;蔣曉瑜;紀(jì)紅霞;;多傳感器信息融合技術(shù)和典型算法的應(yīng)用詮釋[A];中國系統(tǒng)工程學(xué)會(huì)決策科學(xué)專業(yè)委員會(huì)第六屆學(xué)術(shù)年會(huì)論文集[C];2005年

8 孫來軍;沈永良;;多SVM多級(jí)信息融合與診斷決策模型的研究[A];2007'中國儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

9 杜奕;遲毅林;伍星;;信息融合在設(shè)備監(jiān)測(cè)和故障診斷中的應(yīng)用[A];第二十七屆中國控制會(huì)議論文集[C];2008年

10 李錄平;鄒新元;晉風(fēng)華;黃樹紅;盧緒祥;;基于信息融合的旋轉(zhuǎn)機(jī)械振動(dòng)狀態(tài)評(píng)價(jià)方法研究[A];第八屆全國振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集摘要[C];2003年

中國重要報(bào)紙全文數(shù)據(jù)庫 前2條

1 周新紅 田朝暉 段勇;信息融合：現(xiàn)代戰(zhàn)爭(zhēng)的重要支撐[N];解放軍報(bào);2005年

2 本報(bào)記者 別坤;信息融合讓地鐵更快捷[N];計(jì)算機(jī)世界;2012年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 胡洲;信息融合欠驅(qū)動(dòng)控制技術(shù)研究[D];南京航空航天大學(xué);2014年

2 張?jiān)畦?基于用戶信息融合的個(gè)性化推薦[D];武漢大學(xué);2012年

3 王恩雁;基于本體的多源異構(gòu)應(yīng)急信息融合方法研究[D];哈爾濱工業(yè)大學(xué);2014年

4 文妍;基于多源信息融合的數(shù)控機(jī)床進(jìn)給系統(tǒng)機(jī)械故障診斷研究[D];青島理工大學(xué);2016年

5 吳榮春;軍事信息系統(tǒng)中信息融合關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2016年

6 朱林;信息融合系統(tǒng)工程設(shè)計(jì)準(zhǔn)則的研究[D];哈爾濱工程大學(xué);2005年

7 朱方;多信息融合模式分類方法研究及在公交客流識(shí)別系統(tǒng)中的應(yīng)用[D];河北工業(yè)大學(xué);2010年

8 孔慶杰;信息融合理論及其在交通監(jiān)控信息處理中的應(yīng)用[D];上海交通大學(xué);2010年

9 王曉帆;信息融合中的態(tài)勢(shì)評(píng)估技術(shù)研究[D];西安電子科技大學(xué);2012年

10 王志勝;信息融合估計(jì)理論及其在航天器控制中的應(yīng)用研究[D];西北工業(yè)大學(xué);2002年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李曉;基于信息融合的高速列車轉(zhuǎn)向架故障診斷[D];西南交通大學(xué);2015年

2 陳昭;基于云計(jì)算的中藥信息融合知識(shí)服務(wù)平臺(tái)構(gòu)建[D];福建中醫(yī)藥大學(xué);2015年

3 王嵩磊;農(nóng)產(chǎn)品溯源與政府監(jiān)管系統(tǒng)開發(fā)[D];浙江理工大學(xué);2016年

4 嚴(yán)思寧;基于信息融合的智能車輛前方目標(biāo)識(shí)別技術(shù)研究[D];東南大學(xué);2015年

5 郭偉龍;融合多源信息的室內(nèi)定位算法研究[D];浙江大學(xué);2016年

6 聶新雨;基于信息融合的軋制過程故障診斷方法研究[D];東北大學(xué);2014年

7 呂丁浩;基于信息融合的建筑能耗控制[D];上海工程技術(shù)大學(xué);2016年

8 謝志鵬;基于信息融合的車輛安全監(jiān)控系統(tǒng)關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2016年

9 張錢龍;基于信息融合的設(shè)備故障預(yù)測(cè)研究[D];鄭州大學(xué);2016年

10 王國鵬;基于信息融合的疲勞狀態(tài)估計(jì)方法研究[D];東南大學(xué);2016年

  本文關(guān)鍵詞：基于信息融合的設(shè)備故障預(yù)測(cè)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：428235