版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在機(jī)械故障診斷領(lǐng)域,基于機(jī)械故障信號(hào)統(tǒng)計(jì)特性的故障信號(hào)分析方法,以及故障診斷方法,是研究最廣泛的一類診斷方法。這類方法基于故障信號(hào)的一種或幾種統(tǒng)計(jì)特性,利用相應(yīng)的統(tǒng)計(jì)信號(hào)處理手段對(duì)信號(hào)進(jìn)行處理,提取設(shè)備故障或狀態(tài)相關(guān)的信息,然后通過(guò)這些信息對(duì)機(jī)械設(shè)備故障進(jìn)行診斷或了解其狀態(tài)。在這類機(jī)械故障診斷方法中,利用故障信號(hào)概率分布的特性來(lái)進(jìn)行故障診斷研究始終受到一些研究者的關(guān)注,但是這類方法一直沒(méi)有得到完善的發(fā)展,究其原因,是因?yàn)闆](méi)有對(duì)信號(hào)的概率
2、分布進(jìn)行更深入的分析。因此本文將著眼于機(jī)械故障信號(hào)概率分布的分析,提出對(duì)故障信號(hào)建立精確的參數(shù)概率分布模型,并基于模型的統(tǒng)計(jì)特性,提出新的故障診斷方法。論文研究工作主要集中在以下幾個(gè)方面:
(1)首先,基于高斯混合模型理論,對(duì)機(jī)械故障信號(hào)建立一個(gè)準(zhǔn)確的參數(shù)概率密度模型,然后利用高斯混合模型的統(tǒng)計(jì)特性,研究基于高斯混合模型的機(jī)械故障診斷方法。在建模過(guò)程中,通過(guò)將高斯混合模型最優(yōu)混合數(shù)目與機(jī)械故障信號(hào)分類的最佳效果相關(guān)聯(lián),來(lái)解決高
3、斯混合模型中混合數(shù)目的確定問(wèn)題,從而建立了針對(duì)機(jī)械故障信號(hào)的高斯混合模型建模方案。最后利用直接對(duì)故障時(shí)域信號(hào)建立的模型,研究了基于高斯混合模型的故障信號(hào)分類與識(shí)別方法。另外,借鑒這一分類的思想,提出了基于高斯混合模型的設(shè)備性能評(píng)估方法,并用軸承全生命周期信號(hào)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
(2)提出新的基于小波系數(shù)聚類的特征構(gòu)造與提取方法,這種方法對(duì)Pittner的基于小波系數(shù)聚類的特征提取方法做了重要的改進(jìn),引入Shannon熵來(lái)度量不同
4、機(jī)械故障信號(hào)的非平穩(wěn)特性間的差異,使得依賴于這種特征提取方法的的故障分類方法更有效。在利用新的特征提取方法從各種故障信號(hào)中提取出非平穩(wěn)統(tǒng)計(jì)特性以后,再對(duì)這些特征量建立高斯混合模型,研究新的基于高斯混合模型的機(jī)械故障信號(hào)分類方法。
(3)基于alpha穩(wěn)定分布理論,對(duì)機(jī)械故障信號(hào)的alpha穩(wěn)定分布建模理論進(jìn)行了深入研究,通過(guò)對(duì)alpha穩(wěn)定分布統(tǒng)計(jì)性質(zhì)的研究,提出一套較完整的基于alpha穩(wěn)定分布的信號(hào)建模理論,這一理論將常規(guī)
5、的基于主觀判斷的概率密度擬合優(yōu)度檢驗(yàn)方法擴(kuò)展到基于alpha穩(wěn)定分布特征函數(shù)的客觀的擬合優(yōu)度檢驗(yàn)方法,而且還對(duì)信號(hào)的alpha穩(wěn)定分布穩(wěn)定性檢驗(yàn)的方法進(jìn)行了研究,另外,檢驗(yàn)過(guò)程中還引入了bootstrap方法,使得假設(shè)檢驗(yàn)的過(guò)程切實(shí)可行,最后,利用建模理論證明了軸承故障信號(hào)服從alpha穩(wěn)定分布。
(4)最后,基于alpha穩(wěn)定分布的統(tǒng)計(jì)特性,研究幾類新的機(jī)械故障診斷方法,首先基于alpha穩(wěn)定分布的特征參數(shù)提出了早期故障檢測(cè)
6、方法,然后提出了兩種故障信號(hào)分類與識(shí)別方法,包括基于特征函數(shù)的分類方法和基于alpha穩(wěn)定分布參數(shù)的分類方法,其次,提出了基于alpha穩(wěn)定分布概率模型的設(shè)備性能評(píng)估方法,最后提出了基于alpha穩(wěn)定分布特征函數(shù)的盲源分離方法,并用于多故障并發(fā)狀態(tài)下的故障診斷研究,這種方法是針對(duì)脈沖狀機(jī)械故障信號(hào)不具備二階以上的統(tǒng)計(jì)量,以致常規(guī)的盲源分離方法失效的問(wèn)題提出的。這些方法依賴于為機(jī)械故障信號(hào)建立的alpha穩(wěn)定分布模型,通過(guò)模型的某種或某幾
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 電梯機(jī)械故障診斷方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 機(jī)械故障診斷中的微弱信號(hào)提取方法的研究.pdf
- 盲信號(hào)分離算法及其在機(jī)械故障診斷中的應(yīng)用方法研究.pdf
- 基于振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于振動(dòng)信號(hào)分析的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于信號(hào)局部特征提取的機(jī)械故障診斷方法研究.pdf
- 振動(dòng)信號(hào)處理技術(shù)及其在機(jī)械故障診斷中的應(yīng)用.pdf
- 基于核函數(shù)方法的機(jī)械故障診斷方法研究.pdf
- 倍捻機(jī)機(jī)械故障診斷分析.pdf
- 基于振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷.pdf
- 基于EEMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于VMD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于VPMCD的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于多信息融合的機(jī)械故障診斷方法研究.pdf
- 基于盲源分離的機(jī)械故障診斷方法研究.pdf
- 旋轉(zhuǎn)機(jī)械故障診斷中微弱信號(hào)特征提取方法研究.pdf
- 基于多振動(dòng)信號(hào)信息融合的旋轉(zhuǎn)機(jī)械故障診斷方法.pdf
- 基于最優(yōu)信號(hào)共振稀疏分解的旋轉(zhuǎn)機(jī)械故障診斷方法研究.pdf
- 基于本體的旋轉(zhuǎn)機(jī)械故障診斷知識(shí)建模研究.pdf
評(píng)論
0/150
提交評(píng)論