本文關(guān)鍵詞：基于多核學(xué)習(xí)支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代科學(xué)技術(shù)的迅猛發(fā)展，旋轉(zhuǎn)機(jī)械不斷朝著大型化、復(fù)雜化、高速化、連續(xù)化和自動(dòng)化的方向發(fā)展。這些發(fā)展在帶來(lái)較高生產(chǎn)效率的同時(shí)，對(duì)設(shè)備的安全運(yùn)轉(zhuǎn)也提出了更高的要求。對(duì)設(shè)備的狀態(tài)進(jìn)行監(jiān)測(cè)和識(shí)別是保證設(shè)備安全可靠運(yùn)行的重要措施。本文基于多核學(xué)習(xí)(Multiple Kernel Learning，MKL)支持向量機(jī)理論，對(duì)旋轉(zhuǎn)機(jī)械故障識(shí)別過(guò)程中一些關(guān)鍵問(wèn)題的解決進(jìn)行了深入研究。 傳統(tǒng)單核支持向量機(jī)不能滿足諸如數(shù)據(jù)異構(gòu)或不規(guī)則、樣本不平坦分布等實(shí)際的應(yīng)用需求,因此將多個(gè)核函數(shù)進(jìn)行組合,以獲得更好的結(jié)果是一種必然選擇。本文將多核學(xué)習(xí)支持向量機(jī)應(yīng)用到旋轉(zhuǎn)機(jī)械的故障識(shí)別中，并通過(guò)實(shí)驗(yàn)驗(yàn)證了該方法的有效性和優(yōu)越性。 作為數(shù)據(jù)處理的方法，集總經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)能夠較好地處理非平穩(wěn)、非線性問(wèn)題，，消除模態(tài)混疊效應(yīng)，提出將EEMD方法和多核學(xué)習(xí)支持向量機(jī)結(jié)合，在對(duì)故障分類之前采用EEMD對(duì)原始信號(hào)進(jìn)行預(yù)處理，以獲得更好的分類效果。 在EEMD方法分解出的固有模態(tài)分量(IMF)中，為了更有效地提取故障特征，需要選取對(duì)故障敏感的IMF。本文提出基于多核學(xué)習(xí)的IMF分量選擇方法，該方法能定量地給出每一個(gè)IMF對(duì)最后分類結(jié)果的貢獻(xiàn)度，提高了IMF選取結(jié)果的有效性和合理性。 考慮到利用單一特征的識(shí)別方法具有很大的局限性，為了將不同的特征融合，最大限度地利用各種特征，本文提出基于多核多特征的液壓泵故障識(shí)別方法。該方法首先提取多類特征，然后分別用特定的核函數(shù)映射，實(shí)驗(yàn)結(jié)果表明該方法顯著地提高了分類器的性能。
【關(guān)鍵詞】：旋轉(zhuǎn)機(jī)械 故障識(shí)別 多核學(xué)習(xí) 多特征聯(lián)合 支持向量機(jī) 集總經(jīng)驗(yàn)?zāi)B(tài)分解 固有模態(tài)分量
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH165.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-21
• 1.1 課題背景11-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析12-18
• 1.2.1 旋轉(zhuǎn)機(jī)械故障診斷技術(shù)的研究現(xiàn)狀及分析12-14
• 1.2.2 MKL 的研究現(xiàn)狀及分析14-18
• 1.3 本文研究的意義和主要內(nèi)容18-21
• 1.3.1 本文研究的意義18-19
• 1.3.2 本文研究的主要內(nèi)容19-21
• 第2章 多核學(xué)習(xí)支持向量機(jī)理論基礎(chǔ)21-35
• 2.1 機(jī)器學(xué)習(xí)21-22
• 2.2 支持向量機(jī)基本理論22-28
• 2.2.1 線性可分支持向量機(jī)22-24
• 2.2.2 廣義線性支持向量機(jī)24-26
• 2.2.3 核特征空間的非線性映射算法26
• 2.2.4 核函數(shù)的類型26-27
• 2.2.5 非線性支持向量機(jī)27-28
• 2.3 多核學(xué)習(xí)支持向量機(jī)基本理論28-34
• 2.3.1 多核學(xué)習(xí)的引入28-30
• 2.3.2 多核學(xué)習(xí)支持向量機(jī)模型30-32
• 2.3.3 多核學(xué)習(xí)問(wèn)題求解算法32-34
• 2.4 本章小結(jié)34-35
• 第3章 基于 MKL 方法在 EEMD 數(shù)據(jù)處理中的應(yīng)用35-56
• 3.1 引言35
• 3.2 振動(dòng)信號(hào)處理35-48
• 3.2.1 EEMD 分解在數(shù)據(jù)處理中的應(yīng)用36-39
• 3.2.2 液壓泵狀態(tài)信號(hào)采集39-41
• 3.2.3 液壓泵正常狀態(tài)振動(dòng)信號(hào)分析41-43
• 3.2.4 液壓泵滑靴磨損故障振動(dòng)信號(hào)分析43-45
• 3.2.5 液壓泵單柱塞松靴故障振動(dòng)信號(hào)分析45-47
• 3.2.6 液壓泵中心彈簧失效故障振動(dòng)信號(hào)分析47-48
• 3.3 基于 MKL 的 IMF 分量選擇方法48-52
• 3.3.1 IMF 分量的選取方法49-50
• 3.3.2 多核學(xué)習(xí)確定 IMF50-52
• 3.4 基于 MKL 確定 IMF 分量結(jié)果分析52-55
• 3.4.1 正常和滑靴磨損 IMF 分量的確定52-53
• 3.4.2 正常和單柱塞松靴 IMF 分量的確定53-54
• 3.4.3 正常和中心彈簧失效 IMF 分量的確定54-55
• 3.5 本章小結(jié)55-56
• 第4章 基于多核學(xué)習(xí) SVM 的故障識(shí)別方法56-70
• 4.1 引言56
• 4.2 仿真實(shí)驗(yàn)及結(jié)果分析56-61
• 4.2.1 實(shí)驗(yàn)數(shù)據(jù)源簡(jiǎn)介56
• 4.2.2 分類算法評(píng)價(jià)指標(biāo)56-57
• 4.2.3 MKL 在二分類標(biāo)準(zhǔn)數(shù)據(jù)集中的應(yīng)用57-59
• 4.2.4 MKL 在多分類標(biāo)準(zhǔn)數(shù)據(jù)集中的應(yīng)用59-61
• 4.3 基于 MKL 的液壓泵故障識(shí)別61-64
• 4.3.1 MKL 液壓泵故障診斷流程61-62
• 4.3.2 液壓泵故障識(shí)別實(shí)驗(yàn)結(jié)果分析62-64
• 4.4 基于 MKL 的軸承故障識(shí)別64-69
• 4.4.1 軸承振動(dòng)測(cè)試實(shí)驗(yàn)方案設(shè)計(jì)與信號(hào)采集65-66
• 4.4.2 數(shù)據(jù)處理和特征提取66-67
• 4.4.3 軸承的故障識(shí)別67-69
• 4.5 本章小結(jié)69-70
• 第5章 基于多核多特征液壓泵故障識(shí)別方法70-79
• 5.1 引言70
• 5.2 特征提取70-72
• 5.2.1 AR 模型提取故障特征70-71
• 5.2.2 奇異值分解提取故障特征71-72
• 5.3 特征組合72-74
• 5.3.1 特征組合的概念72
• 5.3.2 特征組合方法72-74
• 5.4 基于多核多特征液壓泵故障識(shí)別方法74-78
• 5.4.1 多核多特征故障診斷流程74-75
• 5.4.2 多核多特征故障識(shí)別算法75-76
• 5.4.3 多核多特征液壓泵故障識(shí)別結(jié)果分析76-78
• 5.5 本章小結(jié)78-79
• 結(jié)論79-81
• 參考文獻(xiàn)81-85
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果85-86
• 致謝86-87
• 作者簡(jiǎn)介87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王玉靜;康守強(qiáng);張?jiān)?劉學(xué);姜義成;Mikulovich V I;;基于集合經(jīng)驗(yàn)?zāi)B(tài)分解敏感固有模態(tài)函數(shù)選擇算法的滾動(dòng)軸承狀態(tài)識(shí)別方法[J];電子與信息學(xué)報(bào);2014年03期

2 張力;項(xiàng)輝宇;趙罘;袁柳櫻;;斜盤(pán)式軸向柱塞泵摩擦副分析[J];機(jī)床與液壓;2007年06期

3 林麗;余輪;;基于相關(guān)系數(shù)的EMD改進(jìn)算法[J];計(jì)算機(jī)與數(shù)字工程;2008年12期

4 程軍圣,于德介,楊宇;基于EMD的能量算子解調(diào)方法及其在機(jī)械故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2004年08期

5 于德介,楊宇,程軍圣;一種基于SVM和EMD的齒輪故障診斷方法[J];機(jī)械工程學(xué)報(bào);2005年01期

6 于德介,程軍圣,楊宇;Hilbert-Huang變換在齒輪故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2005年06期

7 張學(xué)工;關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J];自動(dòng)化學(xué)報(bào);2000年01期

8 程軍圣;于德介;楊宇;;基于內(nèi)稟模態(tài)奇異值分解和支持向量機(jī)的故障診斷方法[J];自動(dòng)化學(xué)報(bào);2006年03期

9 汪洪橋;孫富春;蔡艷寧;陳寧;丁林閣;;多核學(xué)習(xí)方法[J];自動(dòng)化學(xué)報(bào);2010年08期

10 竇東陽(yáng);趙英凱;;集合經(jīng)驗(yàn)?zāi)Ｊ椒纸庠谛D(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報(bào);2010年02期

  本文關(guān)鍵詞：基于多核學(xué)習(xí)支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：379727