本文關(guān)鍵詞：基于核聚類與信息融合的齒輪故障診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：齒輪是目前應(yīng)用最廣的傳遞動(dòng)力的機(jī)械零件，在國民經(jīng)濟(jì)中占重要地位。齒輪一般在齒輪箱中且浸泡在潤(rùn)滑油液中進(jìn)行運(yùn)動(dòng)，受到周圍復(fù)雜工作環(huán)境的影響，故障特征之間往往存在較強(qiáng)的非線性關(guān)系，故障診斷過程受到諸多不確定性因素的影響，存在固有的不確定性，單一信號(hào)特征往往不能全面表征設(shè)備運(yùn)行狀態(tài)，難以保證故障診斷的準(zhǔn)確性，核方法與信息融合技術(shù)為解決齒輪故障診斷的這些問題提供了一條新的途徑。本文從齒輪系統(tǒng)故障診斷技術(shù)研究現(xiàn)狀入手，在分析齒輪故障信號(hào)特征和常見故障機(jī)理的基礎(chǔ)上，設(shè)計(jì)了齒輪的故障診斷實(shí)驗(yàn)方案，從核方法中核參數(shù)的優(yōu)化方法以及信息融合兩個(gè)方面開展齒輪故障診斷方法研究，主要的研究工作如下： 1.開展基于核參數(shù)優(yōu)化核聚類算法的齒輪故障診斷方法研究 (1)針對(duì)齒輪故障的非線性特點(diǎn)、核參數(shù)影響KFCM分析結(jié)果以及傳統(tǒng)KFCM核參數(shù)優(yōu)化的不足等問題，研究KFCM核參數(shù)優(yōu)化的算法，利用特征空間中類內(nèi)距離與類間距離的關(guān)系，以特征空間中類間距離最大的同時(shí)類內(nèi)距離最小為目標(biāo)，建立核參數(shù)優(yōu)化的算法模型。核參數(shù)優(yōu)化后的KFCM算法具有比傳統(tǒng)KFCM更強(qiáng)的特征識(shí)別能力，是一種有效的模式識(shí)別方法。 (2)針對(duì)齒輪故障的非線性特征和組合特征的高維性，，建立了基于核參數(shù)優(yōu)化KFCM的齒輪故障診斷模型，以時(shí)域特征提取并降維后的特征量為數(shù)據(jù)樣本，將其輸入KFCM分類器，實(shí)現(xiàn)對(duì)齒輪故障的分類識(shí)別。 2.開展基于相關(guān)函數(shù)加權(quán)KPCA與KFCM的信息融合故障診斷方法研究 (1)針對(duì)KPCA在干擾點(diǎn)存在時(shí)主元提取效果不好的問題，提出了一種基于相關(guān)函數(shù)加權(quán)KPCA方法。通過采用相關(guān)函數(shù)，實(shí)現(xiàn)數(shù)據(jù)級(jí)樣本的加權(quán)分配，以降低可信度較低的數(shù)據(jù)樣本對(duì)融合結(jié)果的影響，然后進(jìn)行KPCA串行融合，提高融合特征的可靠性。 (2)針對(duì)齒輪的故障診斷中存在大量的不確定性信息，而且齒輪故障特征之間具有較強(qiáng)的非線性關(guān)系，利用信息融合技術(shù)能有效地處理不確定性信息，而KPCA與KFCM具有較強(qiáng)的非線性處理能力，建立了加權(quán)KPCA與KFCM的信息融合故障診斷模型，實(shí)驗(yàn)結(jié)果表明該模型在保證分類精度的同時(shí)，又具有較好的容錯(cuò)性。
【關(guān)鍵詞】：齒輪 故障診斷 核聚類（KFCM） 信息融合 相關(guān)函數(shù)加權(quán) 核主元分析(KPCA)
【學(xué)位授予單位】：湖南科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH132.41;TH165.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-17
• 1.1 研究背景與意義10-11
• 1.2 齒輪故障診斷技術(shù)研究現(xiàn)狀11-12
• 1.3 核聚類算法在故障診斷中的研究現(xiàn)狀12-14
• 1.4 信息融合在故障診斷技術(shù)的研究現(xiàn)狀14-15
• 1.5 本文的主要工作15-17
• 第二章 齒輪故障機(jī)理分析與多傳感器信號(hào)采集17-33
• 2.1 齒輪結(jié)構(gòu)與工作原理17-18
• 2.2 齒輪典型故障機(jī)理分析18-27
• 2.2.1 齒輪斷齒的故障機(jī)理分析19-21
• 2.2.2 齒輪點(diǎn)蝕的故障機(jī)理分析21-23
• 2.2.3 齒輪磨損的故障機(jī)理分析23-25
• 2.2.4 齒輪故障的非線性特性分析25-27
• 2.3 齒輪故障的信號(hào)采集與特征構(gòu)造27-32
• 2.3.1 實(shí)驗(yàn)方案設(shè)計(jì)27-29
• 2.3.2 多傳感器信號(hào)采集29-30
• 2.3.3 多傳感器信號(hào)特征構(gòu)造30-32
• 2.4 本章小結(jié)32-33
• 第三章 基于核參數(shù)優(yōu)化的齒輪故障核聚類診斷方法33-46
• 3.1 核聚類的基本原理33-36
• 3.1.1 核方法33-34
• 3.1.2 核聚類34-36
• 3.2 核參數(shù)優(yōu)化方法36-39
• 3.2.1 核參數(shù)的重要性36-37
• 3.2.2 基于特征空間類內(nèi)類間距離的核參數(shù)優(yōu)化37-39
• 3.3 齒輪故障診斷實(shí)例研究39-45
• 3.3.1 齒輪故障核聚類診斷模型39-40
• 3.3.2 基于類內(nèi)類間距離的核參數(shù)尋優(yōu)40-42
• 3.3.3 基于核參數(shù)尋優(yōu)的齒輪故障診斷42-45
• 3.4 本章小結(jié)45-46
• 第四章 基于核聚類與信息融合的齒輪故障診斷方法46-60
• 4.1 基于加權(quán)處理 KPCA 信息融合方法46-49
• 4.1.1 KPCA 基本原理46-47
• 4.1.2 相關(guān)函數(shù)加權(quán)的信號(hào)預(yù)處理47-49
• 4.2 基于加權(quán)處理 KPCA 與核聚類的齒輪故障診斷49-59
• 4.2.1 故障診斷模型49-50
• 4.2.2 齒輪信息融合實(shí)例研究50-54
• 4.2.3 對(duì)比分析54-58
• 4.2.4 容錯(cuò)性分析58-59
• 4.3 本章小結(jié)59-60
• 第五章 總結(jié)與展望60-62
• 5.1 論文總結(jié)60-61
• 5.2 研究展望61-62
• 參考文獻(xiàn)62-66
• 致謝66-67
• 附錄 攻讀學(xué)位期間參研項(xiàng)目和發(fā)表論文目錄67

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 湯和;應(yīng)懷樵;汪元輝;張策;;用齒輪噪聲特性診斷齒輪故障的研究[J];齒輪;1986年04期

2 高明;齒輪故障分析及診斷[J];電大理工;2000年01期

3 皮駿;廖明夫;;利用小波包絡(luò)診斷齒輪故障[J];機(jī)械設(shè)計(jì);2005年11期

4 孔文濤;許益華;;齒輪故障的原因及診斷[J];石油和化工設(shè)備;2009年03期

5 艾延廷,盛元生;時(shí)域分析技術(shù)在齒輪故障檢測(cè)中的應(yīng)用[J];振動(dòng)、測(cè)試與診斷;1992年04期

6 潘嘉祺;《齒輪故障模擬器的開發(fā)和研制》項(xiàng)目通過科技成果鑒定[J];上海冶金高等專科學(xué)校學(xué)報(bào);2000年02期

7 陳明華 ,陳海林 ,江建忠;齒輪故障的振動(dòng)診斷及案例分析[J];中國設(shè)備工程;2005年07期

8 陳亮;;應(yīng)用振動(dòng)峰值能量對(duì)齒輪故障的診斷[J];中國設(shè)備工程;2008年04期

9 張桂才，趙萬鎰;幅值立方法──一種新的齒輪故障信號(hào)預(yù)處理方法[J];機(jī)械傳動(dòng);1994年03期

10 劉建敏;劉遠(yuǎn)宏;江鵬程;馮輔周;;基于包絡(luò)S變換時(shí)頻圖像提取齒輪故障特征[J];振動(dòng)與沖擊;2014年01期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 明廷鋒;張永祥;仰德標(biāo);;齒輪故障診斷技術(shù)研究綜述[A];第十屆全國設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 張玉奎;周火青;;提升小波分析在齒輪故障中的應(yīng)用[A];2012中國（唐山）綠色鋼鐵高峰論壇暨冶金設(shè)備、節(jié)能減排技術(shù)推介會(huì)論文集/推介指南[C];2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 趙年偉;基于聲發(fā)射技術(shù)的齒輪故障監(jiān)測(cè)[D];沈陽工業(yè)大學(xué);2013年

2 Simon Romli;基于包絡(luò)分析的齒輪故障監(jiān)測(cè)及基于人工神經(jīng)網(wǎng)絡(luò)的齒輪故障分類[D];重慶大學(xué);2011年

3 李海龍;基于局部特征尺度分解的齒輪故障診斷方法研究[D];湖南大學(xué);2012年

4 馬學(xué)知;基于虛擬儀器的齒輪故障測(cè)試系統(tǒng)[D];湖南大學(xué);2007年

5 陳佳;齒輪故障信號(hào)實(shí)時(shí)壓縮算法研究[D];重慶大學(xué);2014年

6 周輝;齒輪故障的特征提取與模式識(shí)別技術(shù)研究[D];鄭州大學(xué);2005年

7 曹宇翔;基于核聚類與信息融合的齒輪故障診斷技術(shù)研究[D];湖南科技大學(xué);2014年

8 王西;齒輪故障的動(dòng)力學(xué)建模與輪齒裂紋剛度計(jì)算方法研究[D];重慶大學(xué);2012年

  本文關(guān)鍵詞：基于核聚類與信息融合的齒輪故障診斷技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：317491