發(fā)布時(shí)間：2020-09-30 10:39

　　 機(jī)械設(shè)備故障診斷的過(guò)程就是故障模式識(shí)別的過(guò)程,但模式識(shí)別方法在故障診斷中的應(yīng)用需要結(jié)合設(shè)備故障信號(hào)的具體特點(diǎn)。設(shè)備故障信號(hào)具有非線性和非平穩(wěn)特性,隨著故障程度的加深,這兩種特性將更加顯著。因此,研究適用于設(shè)備故障信號(hào)的模式識(shí)別算法對(duì)提高故障識(shí)別率和識(shí)別效率具有重要意義。 本文以齒輪振動(dòng)信號(hào)和聲信號(hào)作為研究對(duì)象,采用高斯混合模型與子空間方法,研究設(shè)備故障模式識(shí)別過(guò)程中的相關(guān)算法,分析高斯混合模型與子空間方法在設(shè)備故障識(shí)別中應(yīng)用的可行性與有效性。對(duì)提出的各種分類算法進(jìn)行比較。論文所作的主要工作如下: 1)基于相空間重構(gòu)與局部獨(dú)立分量分析的降噪算法及其應(yīng)用 借鑒局部投影降噪算法的思想,將相空間重構(gòu)與局部獨(dú)立分量分析相結(jié)合用于信號(hào)降噪。采用仿真信號(hào)對(duì)該算法的降噪效果和三種不同相空間重構(gòu)方法對(duì)降噪效果的影響進(jìn)行了分析比較。該算法與全局投影等降噪算法相比,降噪效果更好。將該降噪算法與共振解調(diào)技術(shù)相結(jié)合,提出了一種適用于低速重載軸承故障診斷的方法。利用此方法對(duì)某煉鋼廠轉(zhuǎn)爐傾動(dòng)機(jī)構(gòu)懸掛齒輪箱耳軸軸承進(jìn)行故障診斷,診斷結(jié)果與實(shí)際情況相符。 2)基于相空間重構(gòu)與高斯混合模型的設(shè)備故障識(shí)別算法 將非線性時(shí)間序列分析中的相空間重構(gòu)算法與高斯混合模型相結(jié)合,用于設(shè)備故障信號(hào)的模式描述,并采用貝葉斯分類器對(duì)待檢數(shù)據(jù)進(jìn)行分類。采用該算法分別對(duì)齒輪振動(dòng)信號(hào)和聲信號(hào)進(jìn)行訓(xùn)練和分類,結(jié)果表明,該算法能夠克服噪音干擾,對(duì)各類齒輪故障進(jìn)行識(shí)別,并具有很高的識(shí)別率。在此基礎(chǔ)上,分析了各參數(shù)對(duì)識(shí)別率的影響,并論述了高斯混合模型參數(shù)的選擇方法。 3)基于四分位偏差分形維與高斯混合模型的故障識(shí)別算法 針對(duì)設(shè)備故障狀態(tài)下信號(hào)的非線性,非平穩(wěn)性,研究非趨勢(shì)波動(dòng)分析用于設(shè)備故障識(shí)別的可行性。在此基礎(chǔ)上,提出采用四分位偏差分形維及其計(jì)算中產(chǎn)生的截距組成特征向量進(jìn)行設(shè)備故障識(shí)別。 根據(jù)振動(dòng)信號(hào)的特點(diǎn),提出先對(duì)信號(hào)進(jìn)行極差標(biāo)準(zhǔn)化處理。此改進(jìn)方法,降低了四分位偏差分形維對(duì)信號(hào)幅值大小及分布的敏感性。將該算法與高斯混合模型相結(jié)合,對(duì)齒輪故障進(jìn)行識(shí)別,結(jié)果表明,提出的算法具有更好的魯棒性、更高的識(shí)別率和較高的運(yùn)算效率。 4)局部核主分量分析與高斯混合模型相結(jié)合的降維與故障識(shí)別算法 提出局部核主分量分析與高斯混合模型相結(jié)合的降維與故障分類算法。應(yīng)用該算法對(duì)齒輪振動(dòng)信號(hào)進(jìn)行分類實(shí)驗(yàn),結(jié)果表明,提出的降維算法比模糊主分量分析的降維效果更好,而分類結(jié)果也優(yōu)于模糊主分量分析—高斯混合模型方法和神經(jīng)網(wǎng)絡(luò)故障識(shí)別算法。 本課題受到國(guó)家自然科學(xué)基金“基于加權(quán)相空間重構(gòu)的早期故障特征提取理論研究”(編號(hào)50705069)與湖北省自然科學(xué)基金“設(shè)備故障時(shí)間序列的非線性檢驗(yàn)與降噪研究”(編號(hào)2005ABA287)資助。
【學(xué)位單位】：武漢科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2007
【中圖分類】：TH165.3
【部分圖文】：

傳感器從機(jī)械設(shè)備上所采集到的一維時(shí)間序列不可避免地含有噪聲，時(shí)間序列中有用信息往往會(huì)淹沒(méi)在噪聲中而無(wú)法準(zhǔn)確提取，給研究和應(yīng)用工作帶來(lái)困難。對(duì)設(shè)識(shí)別而言，無(wú)論是線性還是非線性特征量都會(huì)由于噪聲的存在而使計(jì)算誤差大大增起誤判斷。K．M．Cuomo 等人發(fā)現(xiàn)如果通信信道中的噪聲超過(guò)混沌信號(hào)的 10%，無(wú)法同步。因此，在對(duì)數(shù)據(jù)進(jìn)行進(jìn)一步分析前必須對(duì)信號(hào)進(jìn)行降噪預(yù)處理，盡可能聲影響。1 獨(dú)立分量分析獨(dú)立分量分析（Independent Component Analysis， ICA），是主分量分析（Prinmponent Analysis, PCA）的推廣方法之一，是從高維數(shù)據(jù)集分離高階統(tǒng)計(jì)量的方法分量分析的目標(biāo)是要搜索一組線性正交變換，這組變換可將一組隨機(jī)變量表示成統(tǒng)的隨機(jī)變量的線性組合。圖 2.1 是獨(dú)立分量分析與主分量分析的比較。

（c）采用獨(dú)立分量分析從混合信號(hào)中分離出來(lái)的獨(dú)立信號(hào)圖 2.2 獨(dú)立分量分析實(shí)現(xiàn)盲源分離線性獨(dú)立分量分析（ICA）模型雖然使用廣泛，但仍存在局限性�，F(xiàn)實(shí)世界的數(shù)據(jù)更多的具有非線性特點(diǎn)，線性 ICA 對(duì)這些數(shù)據(jù)描述會(huì)顯得力不從心。此外，線性 ICA 模型試圖用統(tǒng)一的特征量（即獨(dú)立分量）來(lái)描述所有數(shù)據(jù)，這顯然無(wú)法反映這些數(shù)據(jù)的局部統(tǒng)計(jì)特征。要克服以上兩個(gè)缺陷，可以采用非線性 ICA 模型。但非線性 ICA 得出的結(jié)果通常具有不唯一性，為得到唯一的結(jié)果，需要加入更多的約束條件；然而，對(duì)于不同的狀況，其約束條件往往也不同，這限制了非線性 ICA 的應(yīng)用。此外，隨著數(shù)據(jù)集維數(shù)的增加，非線性 ICA 建模耗時(shí)會(huì)急劇增加，這限制了非線性 ICA 在高維數(shù)據(jù)集中的應(yīng)用。1999 年 JuhaKarhunen 等人提出將局部獨(dú)立分量分析用于聚類[90-92]，其基本思想是局部線性化，即先將數(shù)據(jù)集進(jìn)行聚類，形成若干個(gè)局部數(shù)據(jù)集，然后分別對(duì)這些局部數(shù)據(jù)集進(jìn)行線性 ICA 分析，這樣用局部獨(dú)立分量表征數(shù)據(jù)集特征，既克服了全局線性 ICA 的局限性，又克服了非線性

1—爐體 2－托圈 3－懸掛齒輪箱 4－耳軸5—低頻振動(dòng)傳感器 6－所測(cè)軸承位置圖 2.10 轉(zhuǎn)爐傾動(dòng)機(jī)構(gòu)結(jié)構(gòu)及傳感器安裝位置示意圖 2.12 分別為轉(zhuǎn)爐在裝爐量 294 噸時(shí)所測(cè)得的振動(dòng)信號(hào)在降噪前 2 3 4時(shí)間（秒）0 50 100 150 05001000150020002500頻率（Hz）功率譜幅值35.77Hz87.5Hz1.69Hz181H）原始振動(dòng)信號(hào)時(shí)域波形 （b）原始振動(dòng)信號(hào)功率譜圖 2.11 原始振動(dòng)信號(hào)時(shí)域波形和功率譜

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉娜;何仁;劉志強(qiáng);陳士安;倪捷;;基于空間信息高斯混合模型的運(yùn)動(dòng)車輛檢測(cè)[J];江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

2 杜瑋;劉泉;李景松;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的復(fù)雜系統(tǒng)故障識(shí)別[J];武漢理工大學(xué)學(xué)報(bào);2011年06期

3 孫璐;張惠民;高榮;顧文鈞;徐冰;陳鯉梁;;用于交通運(yùn)營(yíng)管理的實(shí)時(shí)交通流狀態(tài)分類高斯混合模型(英文)[J];Journal of Southeast University(English Edition);2011年02期

4 馮長(zhǎng)建;邵強(qiáng);康晶;;基于混合高斯密度HMM的軸承故障診斷技術(shù)研究[J];汽輪機(jī)技術(shù);2011年03期

5 鄒偉;李元祥;師春香;鄧雪原;;汶川地震前上空的地震云分析及自動(dòng)檢測(cè)研究[J];科學(xué)技術(shù)與工程;2011年22期

6 唐群;李永剛;賀成利;賀新房;;供電企業(yè)故障應(yīng)急處理的研究[J];電力信息化;2011年06期

7 雍靜;桂小智;牛亮亮;曾禮強(qiáng);;基于自回歸參數(shù)模型的低壓系統(tǒng)串聯(lián)電弧故障識(shí)別[J];電工技術(shù)學(xué)報(bào);2011年08期

8 段其昌;張亮;袁景明;;改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)算法對(duì)變流器的故障診斷方法[J];計(jì)算機(jī)應(yīng)用;2011年08期

9 蔡金錠;鄢仁武;;基于小波分析與隨機(jī)森林算法的電力電子電路故障診斷[J];電力科學(xué)與技術(shù)學(xué)報(bào);2011年02期

10 梅元穎;徐玉秀;王志強(qiáng);;長(zhǎng)度分形的風(fēng)力機(jī)葉片在線檢測(cè)與故障診斷[J];風(fēng)機(jī)技術(shù);2011年03期

相關(guān)會(huì)議論文 前10條

1 瞿俊;姜青山;董槐林;;基于高斯混合模型的層次聚類算法[A];第二十三屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

2 應(yīng)冬文;顏永紅;付強(qiáng);國(guó)雁萌;;基于約束高斯混合模型的噪聲功率譜估計(jì)[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

3 張雪青;胡貝貝;楊浩;郭勤;崔大祥;;基于金字塔連接與高斯混合模型算法的量子點(diǎn)熒光芯片檢測(cè)系統(tǒng)的設(shè)計(jì)[A];中國(guó)光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

4 蔡念;郭文婷;陳世文;潘晴;;融合高斯混合模型和小波變換的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 劉李漫;陶文兵;田金文;;融合多高斯混合模型與Graph Cuts優(yōu)化技術(shù)的目標(biāo)自動(dòng)檢測(cè)方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

6 卓群;歐貴文;;基于模糊高斯混合模型的說(shuō)話人識(shí)別算法的一些改進(jìn)[A];第六屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2001年

7 王瑩;景新幸;楊海燕;;改進(jìn)EM算法的高斯混合模型在說(shuō)話人識(shí)別中的應(yīng)用[A];2008年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 周潔;;基于高斯混合模型的情感語(yǔ)音轉(zhuǎn)換[A];2011'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

9 馬盡文;何學(xué)鋒;;高斯混合模型的數(shù)據(jù)尺度可壓縮參數(shù)學(xué)習(xí)算法[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

10 于海;趙合計(jì);;視頻序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)[A];第三屆中國(guó)智能計(jì)算大會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 ;農(nóng)村沼氣灶故障識(shí)別與排除[N];山東科技報(bào);2007年

2 侯霽恒;聯(lián)想攜手HDS 低端存儲(chǔ)硝煙再起[N];計(jì)算機(jī)世界;2008年

3 通訊員 文華 張黛薇 記者 張哲浩;西安交大兩院院士達(dá)13人[N];科技日?qǐng)?bào);2004年

4 陳金珠;將樂(lè)：“醫(yī)生”上門(mén)為沼氣“診療”[N];三明日?qǐng)?bào);2008年

5 本報(bào)記者 李雨卿;國(guó)家“九五”科技攻關(guān)項(xiàng)目——大型核電站計(jì)算機(jī)監(jiān)控系統(tǒng)順利通過(guò)技術(shù)鑒定[N];中國(guó)貿(mào)易報(bào);2001年

6 ;新型測(cè)試儀協(xié)助小靈通網(wǎng)維護(hù)[N];人民郵電;2004年

7 陳思;福祿克三維分析網(wǎng)絡(luò)[N];中國(guó)計(jì)算機(jī)報(bào);2003年

8 朱海;攢機(jī)市場(chǎng)陷阱多多[N];中國(guó)消費(fèi)者報(bào);2002年

9 錢(qián)宇 李秀喜;先進(jìn)技術(shù)為化工安全保駕護(hù)航[N];中國(guó)化工報(bào);2005年

10 ;先進(jìn)供水技術(shù)強(qiáng)化需水管理[N];中國(guó)水利報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 肖涵;基于高斯混合模型與子空間技術(shù)的故障識(shí)別研究[D];武漢科技大學(xué);2007年

2 姚志均;目標(biāo)跟蹤系統(tǒng)中的魯棒性研究[D];華中科技大學(xué);2012年

3 陳雪峰;圖像高斯混合模型的判別學(xué)習(xí)方法[D];北京理工大學(xué);2009年

4 呂聲;說(shuō)話人轉(zhuǎn)換方法的研究[D];華南理工大學(xué);2004年

5 楊小兵;聚類分析中若干關(guān)鍵技術(shù)的研究[D];浙江大學(xué);2005年

6 張永;基于模糊支持向量機(jī)的多類分類算法研究[D];大連理工大學(xué);2008年

7 賈俊杰;空間數(shù)據(jù)挖掘中若干關(guān)鍵技術(shù)研究[D];長(zhǎng)安大學(xué);2009年

8 張?jiān)?基于高斯混合模型的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法的研究[D];吉林大學(xué);2010年

9 林春漪;基于混合貝葉斯網(wǎng)絡(luò)的醫(yī)學(xué)圖像語(yǔ)義建模及其檢索的研究[D];華南理工大學(xué);2006年

10 王傳旭;視頻圖像中人體目標(biāo)的檢測(cè)方法研究[D];中國(guó)海洋大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 李莉;應(yīng)用神經(jīng)網(wǎng)絡(luò)建立金融預(yù)測(cè)分析系統(tǒng)[D];武漢大學(xué);2005年

2 丁愛(ài)明;基于MFCC和GMM的說(shuō)話人識(shí)別系統(tǒng)研究[D];河海大學(xué);2006年

3 叢菡菡;基于支持相量機(jī)的穩(wěn)鍵說(shuō)話人識(shí)別[D];電子科技大學(xué);2008年

4 姜可梅;檢測(cè)代替分類的腦機(jī)接口研究[D];燕山大學(xué);2011年

5 史燕;基于小波變換的圖像檢索技術(shù)研究[D];西北大學(xué);2006年

6 吳杰;基于高斯混合模型的話者識(shí)別系統(tǒng)的研究[D];吉林大學(xué);2008年

7 吳華玉;抗噪聲說(shuō)話人識(shí)別技術(shù)研究[D];南京師范大學(xué);2008年

8 丁國(guó)梁;耳語(yǔ)音說(shuō)話人識(shí)別的研究[D];蘇州大學(xué);2009年

9 莊文;應(yīng)用VQ和GMM的說(shuō)話人識(shí)別系統(tǒng)研究[D];西華大學(xué);2008年

10 薛峰;說(shuō)話人識(shí)別及其在噪聲環(huán)境下的魯棒性研究[D];蘇州大學(xué);2009年

本文編號(hào)：2830723