本文關(guān)鍵詞：基于信息融合的轉(zhuǎn)子振動故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：本文采用基于信息融合的分類診斷法對轉(zhuǎn)子振動故障進行診斷。信息融合能將各種信息進行多級別、多層面的聯(lián)系和組合，因此對故障信息有更可靠的認識和態(tài)勢評估。國內(nèi)外對單一轉(zhuǎn)子故障系統(tǒng)的研究較多，提出了各種方法，但是對于耦合故障的研究較少，而且多是定性的分析，而非定量的診斷。因此，本文除了研究和診斷四種單一故障：轉(zhuǎn)子碰摩、轉(zhuǎn)子裂紋、轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡外，還將重點研究和診斷三種典型的耦合故障：裂紋—碰摩耦合故障、不平衡—碰摩耦合故障和裂紋—不平衡耦合故障。 首先，，本文詳細介紹了轉(zhuǎn)子常見振動故障及其診斷方法，從信息論的角度論證了信息融合技術(shù)在故障診斷中的有效性和可行性。然后提出了三種故障診斷方法： 1.基于信息熵差矩陣的診斷方法，通過計算未知故障振動信號與典型故障振動信號之間的信息熵分布區(qū)間和規(guī)律的接近程度來實現(xiàn)故障診斷。應(yīng)用信息熵差矩陣實現(xiàn)的是定量診斷，準確率較高，能夠成功的診斷出單一故障和耦合故障。 2.針對耦合故障，采用融合信息熵距的診斷方法。通過融合功率譜熵、奇異譜熵、小波能譜熵和小波空間特征譜熵來計算信息熵距，更能綜合的表現(xiàn)轉(zhuǎn)子振動故障的特征，特別是在耦合故障和單一故障較難區(qū)分的情況下。診斷過程清晰直觀，多轉(zhuǎn)速下的熵距曲線圖能夠?qū)Ⅰ詈瞎收虾蛦我还收蠀^(qū)分開來。 3.利用最小二乘支持向量機（LS-SVM）的故障診斷方法，診斷了轉(zhuǎn)子振動單一故障和耦合故障。LS-SVM與SVM相比具有更快的求解速度和收斂精度，更適合大型旋轉(zhuǎn)機械的故障診斷。采集多轉(zhuǎn)速、多測點下的振動信號，融合振動信號的四種信息熵，計算其平均值作為特征向量，更能反映振動故障的特征和規(guī)律，從而使最小二乘支持向量機分類器具有較高的診斷準確率。 研究表明，本文提出的基于信息熵和最小二乘支持向量機（LS-SVM）的故障診斷方法診斷精度較高，診斷過程清晰直觀，是轉(zhuǎn)子振動故障診斷的有效方法。
【關(guān)鍵詞】：轉(zhuǎn)子振動故障 故障診斷 信息融合 信息熵 最小二乘支持向量機
【學(xué)位授予單位】：沈陽航空航天大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：V263.6
【目錄】：

• 摘要6-7
• Abstract7-13
• 第1章 緒論13-20
• 1.1 課題背景13-14
• 1.2 轉(zhuǎn)子系統(tǒng)故障診斷概述14-17
• 1.2.1 轉(zhuǎn)子系統(tǒng)故障診斷的內(nèi)容14-16
• 1.2.2 轉(zhuǎn)子系統(tǒng)故障診斷任務(wù)和意義16
• 1.2.3 轉(zhuǎn)子系統(tǒng)故障診斷的基本步驟16-17
• 1.3 國內(nèi)外研究現(xiàn)狀17-19
• 1.4 本文主要工作及創(chuàng)新點19-20
• 1.4.1 本文主要工作19
• 1.4.2 本文創(chuàng)新點19-20
• 第2章 轉(zhuǎn)子常見振動故障及其診斷方法20-29
• 2.1 轉(zhuǎn)子常見振動故障20-22
• 2.1.1 轉(zhuǎn)子不平衡20
• 2.1.2 轉(zhuǎn)子不對中20-21
• 2.1.3 轉(zhuǎn)子碰摩21-22
• 2.1.4 轉(zhuǎn)子裂紋22
• 2.2 耦合故障22-23
• 2.3 常見故障診斷方法23-29
• 2.3.1 頻譜分析方法23-25
• 2.3.2 基于模型的診斷方法25-26
• 2.3.3 分類診斷方法26-29
• 第3章 轉(zhuǎn)子振動故障模擬實驗29-34
• 3.1 實驗儀器及設(shè)備29-31
• 3.2 實驗過程31-32
• 3.3 實驗結(jié)果32-34
• 第4章 基于融合信息熵的轉(zhuǎn)子振動故障診斷34-50
• 4.1 信息融合34-39
• 4.1.1 信息融合的背景和概念34-35
• 4.1.2 信息融合在故障診斷應(yīng)用中的數(shù)學(xué)論證35-37
• 4.1.3 信息融合級別37-39
• 4.2 信息熵的基礎(chǔ)理論39-42
• 4.2.1 信息熵的定義39-40
• 4.2.2 奇異譜熵40-41
• 4.2.3 功率譜熵41
• 4.2.4 小波能譜熵和小波空間特征譜熵41-42
• 4.3 基于信息熵差矩陣的故障診斷實例42-45
• 4.3.1 基于信息熵差矩陣的定量診斷方法42-43
• 4.3.2 信息熵矩陣計算43-45
• 4.3.3 信息熵差矩陣計算45
• 4.4 基于融合信息熵距的耦合故障診斷45-50
• 4.4.1 故障熵點的確定45-46
• 4.4.2 信息熵距的定義46-47
• 4.4.3 多轉(zhuǎn)速下的信息熵距47
• 4.4.4 融合信息熵距的故障診斷實例47-50
• 第5章 基于最小二乘支持向量機的轉(zhuǎn)子故障診斷50-65
• 5.1 統(tǒng)計學(xué)理論基礎(chǔ)50-54
• 5.1.1 分類問題的統(tǒng)計學(xué)提法50-52
• 5.1.2 VC 維52-53
• 5.1.3 結(jié)構(gòu)風(fēng)險最小化53-54
• 5.2 支持向量機的基礎(chǔ)理論54-57
• 5.2.1 支持向量機算法54-56
• 5.2.2 支持向量機核函數(shù)56-57
• 5.3 最小二乘支持向量機的基礎(chǔ)理論57-61
• 5.3.1 最小二乘支持向量機的基礎(chǔ)57-59
• 5.3.2 最小二乘支持向量的多分類法59-61
• 5.4 最小二乘支持向量機的故障診斷實例61-65
• 5.4.1 故障特征向量的提取61-62
• 5.4.2 LS-SVM 診斷過程62-65
• 結(jié)論65-66
• 附錄Ⅰ 程序清單66-70
• 參考文獻70-73
• 致謝73-74
• 攻讀碩士期間發(fā)表（含錄用）的學(xué)術(shù)論文74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金敬強;武富春;;信息融合技術(shù)的發(fā)展現(xiàn)狀與展望[J];電腦開發(fā)與應(yīng)用;2006年01期

2 李錄平,鄒新元,晉風(fēng)華,盧緒祥,黃樹紅;基于融合信息熵的大型旋轉(zhuǎn)機械振動狀態(tài)的評價方法[J];動力工程;2004年02期

3 陳非;黃樹紅;張燕平;高偉;;基于過程的旋轉(zhuǎn)機械振動故障定量診斷方法[J];動力工程;2008年04期

4 萬方義,許慶余,李松濤;諧波小波變換在轉(zhuǎn)子—軸承系統(tǒng)多故障監(jiān)測中的應(yīng)用[J];工程力學(xué);2004年01期

5 陳果;;轉(zhuǎn)子-滾動軸承-機匣耦合系統(tǒng)的不平衡-碰摩耦合故障非線性動力學(xué)響應(yīng)分析[J];航空動力學(xué)報;2007年10期

6 江龍平,徐可君,隋育松;航空發(fā)動機故障診斷技術(shù)[J];航空科學(xué)技術(shù);2002年02期

7 朱家元,楊云,張恒喜,王卓健;基于優(yōu)化最小二乘支持向量機的小樣本預(yù)測研究[J];航空學(xué)報;2004年06期

8 徐啟華,師軍;應(yīng)用SVM的發(fā)動機故障診斷若干問題研究[J];航空學(xué)報;2005年06期

9 楊奎河;單甘霖;趙玲玲;;基于最小二乘支持向量機的故障診斷方法[J];計算機應(yīng)用研究;2007年07期

10 蔡開龍,楊秉政,謝壽生;基于模糊神經(jīng)網(wǎng)絡(luò)的航空發(fā)動機故障診斷研究[J];機械科學(xué)與技術(shù);2004年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 王志;航空發(fā)動機整機振動故障診斷技術(shù)研究[D];沈陽航空工業(yè)學(xué)院;2007年

2 費成巍;基于信息融合的航空發(fā)動機整機振動故障診斷技術(shù)研究[D];沈陽航空工業(yè)學(xué)院;2010年

3 張茉;轉(zhuǎn)子系統(tǒng)振動故障的診斷方法及時頻分析技術(shù)研究[D];東北大學(xué);2008年

  本文關(guān)鍵詞：基于信息融合的轉(zhuǎn)子振動故障診斷方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：310915