版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、動力機械故障診斷對于人們的人身和財產安全具有重要意義。動力機械故障診斷的過程一般包括信號采集、信號處理和模式識別三個主要部分。其中,信號處理和模式識別是故障診斷的關鍵。本文將最新的時頻分析方法局部均值分解(Localmeandecomposition,LMD)和先進的模式識別方法支持向量機(SupportVectorMachine,SVM)結合應用于動力機械典型故障的診斷中。LMD方法能夠自適應的將一個復雜的多分量調頻調幅信號分解為若干
2、個瞬時頻率有物理意義的乘積函數(shù)(ProductionFunction,PF)之和,其中每一個PF分量由一個包絡信號和一個純調頻信號相乘得到,包絡信號就是該PF分量的瞬時幅值,而PF分量的瞬時頻率可以由純調頻信號求出。將所有PF分量的瞬時頻率和瞬時幅值相組合,便可以得到信號的時頻分布[1]。相比神經網絡SVM沒有過學習和欠學習的問題,而且具有小樣本、非線性、高維模式識別的特點。本文利用SVM對航空發(fā)動機典型故障進行診斷,結果表明SVM是一
3、種有效的故障診斷方法。利用LMD和SVM相結合對柴油機氣門故障進行診斷,結果表明將LMD方法和SVM相結合應用于故障診斷中是一種行之有效的辦法。
本文主要開展了以下幾個方面的工作:
1.實驗數(shù)據的采集:利用LMS數(shù)據采集系統(tǒng)采集WP7柴油機第一缸缸蓋在正常和故障條件下振動信號。
2.介紹了LMD方法分解的原理,分析了該方法的不足,并提出改進策略。通過對仿真信號的分析,發(fā)現(xiàn)改進LMD算法無論是精度還是計算速度
4、都優(yōu)于原算法。并利用改進算法對軸承的內、外圈故障進行分析,進一步證明了改進LMD算法的有效性。
3.介紹了SVM的原理,并對SVM的參數(shù)尋優(yōu)問題進行了深入研究。提出遺傳粒子群混合(GAPSO)算法和改進粒子群算法。利用iris數(shù)據對算法進行驗證,結果表明采用所提出的算法對SVM參數(shù)進行尋優(yōu)后,SVM的分類準確率得到了明顯的提高,并且運算速度也得到了一定程度的提升。
4.利用航空發(fā)動機故障影響系數(shù)矩陣生成航空發(fā)動機典型
5、故障樣本,運用GAPSO-SVM算法對航空發(fā)動機典型故障進行診斷并與其它典型故障診斷算法進行對比,結果表明GAPSO-SVM算法優(yōu)于BP神經網絡、自組織神經網絡、SVM算法、GA-SVM算法。
5.利用改進LMD算法對柴油機氣門故障信號進行特征提取,然后用改進PSO-SVM作為分類器對柴油機氣門故障進行診斷,實驗結果表明該方法適合應用于柴油機氣門故障診斷。
6.利用matlabGUI編寫基于SVM和神經網絡的故障診斷
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于小波分析和神經網絡的動力機械故障診斷研究.pdf
- 基于LMD和HSMM的旋轉機械故障診斷方法研究.pdf
- 局部波動特征分解方法及其在動力機械故障診斷中的應用.pdf
- 基于小波分析和神經網絡的動力機械故障研究.pdf
- 基于LMD旋轉機械故障診斷方法的研究及特征提取分析.pdf
- 基于LMD與SVM融合的傳感器故障診斷方法研究.pdf
- 基于SVM的柴油機機械故障診斷研究.pdf
- 基于小波包變換與SVM的旋轉機械故障診斷方法研究.pdf
- 電梯機械故障診斷方法研究.pdf
- SVM在機械故障診斷中的應用研究.pdf
- 基于核函數(shù)方法的機械故障診斷方法研究.pdf
- 旋轉機械故障診斷方法研究.pdf
- 基于EEMD的旋轉機械故障診斷方法研究.pdf
- 基于VMD的旋轉機械故障診斷方法研究.pdf
- 基于VPMCD的旋轉機械故障診斷方法研究.pdf
- 基于多信息融合的機械故障診斷方法研究.pdf
- 基于盲源分離的機械故障診斷方法研究.pdf
- 43118.基于lmd和hmm的轉子故障診斷方法
- 基于局域均值分解的機械故障診斷方法研究.pdf
- 基于LMD和ELM的鋁電解槽故障診斷方法研究.pdf
評論
0/150
提交評論