機(jī)械故障診斷的高效特征提取和混合智能識(shí)別技術(shù)研究.pdf

1、上海交通大學(xué)博士學(xué)位論文機(jī)械故障診斷的高效特征提取和混合智能識(shí)別技術(shù)研究姓名：張龍申請學(xué)位級(jí)別：博士專業(yè)：機(jī)械設(shè)計(jì)及理論指導(dǎo)教師：柳和生；熊國良201101上海交通大學(xué)博士學(xué)位論文聲性能。多尺度熵及其改進(jìn)為振動(dòng)信號(hào)非線性特征提取提供了新方法?，F(xiàn)有智能診斷模型能夠獲得較高的診斷精度，但通常不能以規(guī)則知識(shí)的形式對(duì)推理過程進(jìn)行解釋，即遭遇所謂的“黑箱”問題。提出了一種基于決策樹、自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)和集成學(xué)習(xí)的混合智能診斷模型

2、。決策樹進(jìn)行特征選擇和定性推理規(guī)則的抽取，并對(duì)ANFIS的拓?fù)浣Y(jié)構(gòu)進(jìn)行精簡；以精簡后的ANFIS作為基分類器，采用集成學(xué)習(xí)算法迸一步提升模型的泛化性能。齒輪箱實(shí)驗(yàn)結(jié)果表明混合智能診斷模型能夠以較高的精度識(shí)別齒輪狀態(tài)，以規(guī)則知識(shí)對(duì)數(shù)值推理過程進(jìn)行定性解釋，且計(jì)算量小。針對(duì)故障的定量識(shí)別問題，提出了一種基于第二代小波包特征提取和和核空間馬氏距離的故障定量識(shí)別模型。提取第二代小波包分解后各頻段系數(shù)的標(biāo)準(zhǔn)偏差為特征向量，以待檢樣本特征向量到無故