發(fā)布時間：2020-06-06 06:37

【摘要】：全矢譜分析技術(shù)是矢量譜分析及其一系列擴展分析方法的統(tǒng)稱，它在融合了雙通道數(shù)據(jù)信息的同時，又保留了相應(yīng)傳統(tǒng)譜分析的物理意義。針對目前旋轉(zhuǎn)機械故障智能診斷中普遍存在信息源不足的問題，本文將全矢譜分析引入到智能診斷中，提出了基于全信息的旋轉(zhuǎn)機械故障智能診斷方法。主要工作如下： 1．本文論述了矢量譜分析，著重介紹了矢功率譜分析和矢Wigner-Ville分布，給出了相應(yīng)定義和數(shù)值計算，并進行了實驗研究，實驗結(jié)果驗證了全矢譜分析方法明顯優(yōu)于相應(yīng)的傳統(tǒng)頻譜分析。 2．徑向基函數(shù)網(wǎng)絡(luò)具有良好的推廣能力和分類能力。本文論述了徑向基函數(shù)網(wǎng)絡(luò)的模型、訓練過程和網(wǎng)絡(luò)性能，結(jié)合全矢譜分析方法和徑向基函數(shù)網(wǎng)絡(luò)，提出了一種新的故障識別方法。該方法分別以矢功率譜、矢Wigner-Ville分布為特征向量，徑向基函數(shù)網(wǎng)絡(luò)為分類器。并以轉(zhuǎn)子裂紋、轉(zhuǎn)子不對中、油膜渦動為例進行實驗研究，實驗結(jié)果表明，該方法是有效的。 3．模糊聚類分析是一種簡單、直觀、有效的模式識別方法。在其眾多算法中，模糊C均值(FCM)聚類算法理論最為完善。本文論述并分析了FCM的具體算法，提出了全矢譜-FCM智能診斷方法，并以矢功率譜和矢Wigner-Ville分布為例，，研究了基于全矢譜分析的FCM模式識別方法，實驗結(jié)果表明，該方法是可行和有效的。 4．在統(tǒng)計學習理論基礎(chǔ)上發(fā)展的通用學習方法—支持向量機(Support Vector Machine—SVM)能夠較好地解決實際中的小樣本學習問題�；�于此，本文深入研究了基于矢功率譜特征提取的SVM智能診斷方法，并應(yīng)用到旋轉(zhuǎn)機械故障診斷中，實驗結(jié)果表明，該方法是有效的，尤其在小樣本情況下，SVM識別效果并不受到影響。 5．基于免疫學原理建立的人工免疫系統(tǒng)(AIS)是近年來興起的一種新的智能方法，它具有強大的信息處理和問題求解能力以及廣闊的研究前景和應(yīng)用潛力。本文概述了人工免疫系統(tǒng)模型和算法，著重論述了aiNet網(wǎng)絡(luò)的定義、算法和特點，并進行了算法的改進。在此基礎(chǔ)上，結(jié)合全矢譜分析技術(shù)和AIS，提出了一種新的機械故障智能診斷方法，它以全矢譜分析為特征提取工具，以aiNet網(wǎng)絡(luò)為數(shù)據(jù)壓縮工具，以支持向量機為分類器。該方法成功地應(yīng)用到旋轉(zhuǎn)機械故障診斷中，實驗結(jié)果表明，該方法是可行和有效的。
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2006
【分類號】：TH17

【相似文獻】

相關(guān)期刊論文 前10條

1 彭曉燕;章兢;陳昌榮;;基于RBF神經(jīng)網(wǎng)絡(luò)的最佳滑移率在線計算方法[J];機械工程學報;2011年14期

2 陳斌源;朱軍;;基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的中速磨煤機故障診斷[J];發(fā)電設(shè)備;2011年05期

3 林健;汪木蘭;陳桂;;采用遺傳神經(jīng)網(wǎng)絡(luò)的直線伺服系統(tǒng)速度自適應(yīng)控制[J];現(xiàn)代制造工程;2011年07期

4 李春貴;周堅和;孫自廣;王萌;張增芳;;基于多智能體團隊強化學習的交通信號控制[J];廣西工學院學報;2011年02期

5 羅爭;張e

本文編號：2699301