本文關(guān)鍵詞：基于分形理論的轉(zhuǎn)子故障特征提取方法與測(cè)試系統(tǒng)改進(jìn)

  更多相關(guān)文章： 轉(zhuǎn)子系統(tǒng) 故障特征 分形維數(shù) 緊密度 豐度

【摘要】：有效的量化特征提取,特別是非線性、非平穩(wěn)信號(hào)的量化特征提取,對(duì)準(zhǔn)確地診斷出轉(zhuǎn)子系統(tǒng)的故障狀態(tài)與故障程度具有重大的意義。使用傳統(tǒng)的時(shí)頻域信號(hào)分析方法已經(jīng)不能滿足轉(zhuǎn)子系統(tǒng)狀態(tài)監(jiān)測(cè)與診斷的需要。分形幾何是一種全新的分析方法,其能夠滿足對(duì)復(fù)雜故障信號(hào)的分析,并且在自然科學(xué)等諸多領(lǐng)域已經(jīng)有了廣泛的應(yīng)用。在旋轉(zhuǎn)機(jī)械故障診斷領(lǐng)域中,人們也開始用分形幾何方法對(duì)振動(dòng)信號(hào)進(jìn)行了分析,并取得了一定的成果,但僅僅依靠分形幾何方法無法有效的提取轉(zhuǎn)子系統(tǒng)的故障特征�；诖�,本文引入了緊密度和豐度兩個(gè)圖形幾何特征參數(shù),與分形幾何一起對(duì)旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)的量化特征提取問題開展了研究。研究?jī)?nèi)容及獲得的研究結(jié)論如下： 1)在分形幾何理論體系下,對(duì)幾種不同的分形維數(shù)估計(jì)方法在量化提取振動(dòng)信號(hào)的故障特征上的優(yōu)點(diǎn)與存在的不足進(jìn)行了對(duì)比分析,通過理論分析及實(shí)驗(yàn)驗(yàn)證,得出盒維數(shù)估計(jì)方法與其它幾種經(jīng)典分形維數(shù)估計(jì)方法相比在振動(dòng)信號(hào)量化特征提取方面顯現(xiàn)的優(yōu)點(diǎn)及不足。 2)基于盒計(jì)數(shù)的分形維數(shù)估計(jì)方法采用的是覆蓋法,其操作方法為用大小相同的盒子對(duì)信號(hào)進(jìn)行覆蓋,因?yàn)楹凶拥拇笮∈窍嗤?這會(huì)導(dǎo)致對(duì)信號(hào)覆蓋的不均勻,從而導(dǎo)致對(duì)覆蓋所需盒子數(shù)估計(jì)的不準(zhǔn)確,進(jìn)而影響到分形維數(shù)估計(jì)的精度。針對(duì)此方法的不足之處,我們引入了數(shù)學(xué)形態(tài)學(xué),用其基本操作方法來計(jì)算信號(hào)的分形維數(shù),稱之為基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)估計(jì)方法。這是一種全新的分形維數(shù)估算方法,此方法將所采集的振動(dòng)信號(hào)當(dāng)做一維信號(hào),進(jìn)行形態(tài)學(xué)處理,避免了盒維數(shù)估計(jì)法的不足。因此比盒維數(shù)估計(jì)算法復(fù)雜度更低,穩(wěn)定性更強(qiáng),精度更高。 將緊密度和豐度這兩個(gè)圖形幾何特征參數(shù)引入到轉(zhuǎn)子系統(tǒng)故障診斷當(dāng)中,與基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)一起對(duì)轉(zhuǎn)子系統(tǒng)振動(dòng)信號(hào)的故障特征進(jìn)行了量化提取。將所提取的故障特征作為神經(jīng)網(wǎng)絡(luò)的輸入特征量對(duì)轉(zhuǎn)子系統(tǒng)幾種不同的運(yùn)行狀態(tài)進(jìn)行分類識(shí)別,獲得了很好的分類效果。此結(jié)果表明,本研究所采用的量化特征提取方法在多故障診斷中表現(xiàn)出了優(yōu)良的性能。 4)利用虛擬儀器技術(shù)對(duì)本實(shí)驗(yàn)室的雙跨轉(zhuǎn)子實(shí)驗(yàn)臺(tái)振動(dòng)實(shí)驗(yàn)測(cè)試與反饋控制軟件平臺(tái)進(jìn)行了功能拓展,使其具有了更加完備的功能。形成了一套集振動(dòng)信號(hào)分析與顯示、振動(dòng)趨勢(shì)的顯示、振動(dòng)數(shù)據(jù)和特征數(shù)據(jù)存儲(chǔ)、實(shí)時(shí)狀態(tài)監(jiān)測(cè)、預(yù)警于一體的機(jī)械振動(dòng)信號(hào)測(cè)試與分析系統(tǒng),在實(shí)驗(yàn)研究及工程應(yīng)用中均取得了較好的效果。 研究表明：通過對(duì)基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)和緊密度、豐度的聯(lián)合對(duì)轉(zhuǎn)子系統(tǒng)振動(dòng)信號(hào)的故障特征進(jìn)行量化提取,可獲得較傳統(tǒng)方法更為精確的故障特征信息。從而可為非線性、非平穩(wěn)轉(zhuǎn)子系統(tǒng)振動(dòng)信號(hào)故障特征的量化提取提供一條新途徑。
【關(guān)鍵詞】：轉(zhuǎn)子系統(tǒng) 故障特征 分形維數(shù) 緊密度 豐度
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TH165.3;TP274
【目錄】：

• 摘要8-10
• Abstract10-12
• 插圖索引12-13
• 附表索引13-14
• 第1章 緒論14-20
• 1.1 選題背景及意義14-15
• 1.2 國(guó)內(nèi)外故障診斷技術(shù)發(fā)展概況15
• 1.3 分形維數(shù)研究對(duì)故障診斷發(fā)展作用分析15-16
• 1.4 分形維數(shù)方法的國(guó)內(nèi)外研究現(xiàn)狀16-18
• 1.5 主要研究?jī)?nèi)容與安排18-20
• 第2章 分形維數(shù)特征提取方法分析20-27
• 2.1 引言20
• 2.2 經(jīng)典分形維數(shù)特征提取方法簡(jiǎn)介20-23
• 2.2.1 分形理論概述及分形維數(shù)的定義20-21
• 2.2.2 盒維數(shù)的定義及其計(jì)算方法21-22
• 2.2.3 信息維數(shù)的定義22
• 2.2.4 關(guān)聯(lián)維數(shù)22-23
• 2.2.5 Minkowski-Bouligand維數(shù)23
• 2.3 多重分形方法分析23-26
• 2.3.1 多重分形的基本概念23-24
• 2.3.2 廣義分形維數(shù)的定義與計(jì)算方法24-25
• 2.3.3 多重分形維數(shù)與經(jīng)典分形維數(shù)的對(duì)比分析25-26
• 2.4 本章小結(jié)26-27
• 第3章 數(shù)學(xué)形態(tài)學(xué)分形與幾何特征方法分析27-35
• 3.1 引言27
• 3.2 數(shù)學(xué)形態(tài)學(xué)算法基本原理27-29
• 3.2.1 數(shù)學(xué)形態(tài)學(xué)概述27-28
• 3.2.2 數(shù)學(xué)形態(tài)學(xué)基本算法28
• 3.2.3 數(shù)學(xué)形態(tài)學(xué)應(yīng)用情況分析28-29
• 3.3 基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)29-32
• 3.3.1 基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)估計(jì)29-31
• 3.3.2 單位結(jié)構(gòu)元素和最大尺度的選擇方法31
• 3.3.3 兩種算法的對(duì)比分析31-32
• 3.4 圖形幾何特征理論32-34
• 3.4.1 軸心軌跡簡(jiǎn)介32
• 3.4.2 圖形幾何特征理論的研究意義32-33
• 3.4.3 緊密度的定義33-34
• 3.4.4 豐度的定義34
• 3.5 本章小結(jié)34-35
• 第4章 分形與幾何特征融合的特征提取算法的設(shè)計(jì)與實(shí)現(xiàn)35-49
• 4.1 引言35
• 4.2 實(shí)驗(yàn)方案與振動(dòng)信號(hào)采集35-37
• 4.2.1 實(shí)驗(yàn)臺(tái)與實(shí)驗(yàn)方案介紹35-36
• 4.2.2 振動(dòng)信號(hào)采集36-37
• 4.3 基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)特征提取模型的建立37-40
• 4.3.1 模型參數(shù)的估計(jì)方法37-38
• 4.3.2 基于數(shù)學(xué)形態(tài)學(xué)的分形維數(shù)算法流程設(shè)計(jì)38
• 4.3.3 實(shí)驗(yàn)情況分析38-40
• 4.4 分形特征與圖形幾何特征融合的特征提取模型的建立40-47
• 4.4.1 模型參數(shù)的估計(jì)方法41
• 4.4.2 模型的故障診斷流程設(shè)計(jì)41-42
• 4.4.3 實(shí)驗(yàn)情況分析42-44
• 4.4.4 BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果44-47
• 4.5 兩種特征提取模型的對(duì)比分析47
• 4.6 本章小結(jié)47-49
• 第5章 轉(zhuǎn)子實(shí)驗(yàn)臺(tái)測(cè)試信息系統(tǒng)的改進(jìn)與完善49-61
• 5.1 引言49
• 5.2 LABVIEW簡(jiǎn)介49-50
• 5.3 改進(jìn)前測(cè)試信息系統(tǒng)性能說明50-51
• 5.4 功能改進(jìn)及擴(kuò)展情況51-60
• 5.4.1 原有的轉(zhuǎn)子運(yùn)行轉(zhuǎn)速計(jì)算方法51-52
• 5.4.2 改進(jìn)后的轉(zhuǎn)子運(yùn)行轉(zhuǎn)速計(jì)算方法52-53
• 5.4.3 振動(dòng)趨勢(shì)圖設(shè)計(jì)的改進(jìn)與完善53-56
• 5.4.4 數(shù)據(jù)存儲(chǔ)及查詢實(shí)現(xiàn)功能的改進(jìn)56-60
• 5.5 本章小結(jié)60-61
• 總結(jié)與展望61-63
• 研究結(jié)論61-62
• 研究展望62-63
• 參考文獻(xiàn)63-67
• 致謝67-68
• 附錄A 攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄68

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 肖迎群;馮良貴;何怡剛;;基于小波分形和核判別分析的模擬電路故障診斷[J];電工技術(shù)學(xué)報(bào);2012年08期

2 陶少華;劉玉華;許凱華;黃浩;;基于信息維數(shù)的復(fù)雜網(wǎng)絡(luò)自相似性研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年15期

3 訾艷陽(yáng),胥永剛,何正嘉;離散振動(dòng)信號(hào)分形盒維數(shù)的改進(jìn)算法和應(yīng)用[J];機(jī)械科學(xué)與技術(shù);2001年03期

4 胡愛軍;唐貴基;安連鎖;;基于數(shù)學(xué)形態(tài)學(xué)的旋轉(zhuǎn)機(jī)械振動(dòng)信號(hào)降噪方法[J];機(jī)械工程學(xué)報(bào);2006年04期

5 胡愛軍;孫敬敬;向玲;;振動(dòng)信號(hào)處理中數(shù)學(xué)形態(tài)濾波器頻率響應(yīng)特性研究[J];機(jī)械工程學(xué)報(bào);2012年01期

6 戴青云,余英林;數(shù)學(xué)形態(tài)學(xué)在圖象處理中的應(yīng)用進(jìn)展[J];控制理論與應(yīng)用;2001年04期

7 唐靜遠(yuǎn);師奕兵;周龍甫;張偉;;非線性模擬電路故障診斷的小波領(lǐng)袖多重分形分析方法[J];控制與決策;2010年04期

8 廖世勇;米林;石曉輝;陳強(qiáng);;基于分形理論的內(nèi)燃機(jī)噪聲信號(hào)分析[J];內(nèi)燃機(jī)工程;2010年02期

9 史麗晨;段志善;;基于混沌-分形理論的往復(fù)式活塞隔膜泵磨損故障分析[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2010年04期

10 李輝;白亮;羅興，

本文編號(hào)：724201