基于小波分析和svdd的工程机械故障诊断研究

基于小波分析和svdd的工程机械故障诊断研究

ID:21912693

大小:2.79 MB

页数:87页

时间:2018-10-25

基于小波分析和svdd的工程机械故障诊断研究_第1页
基于小波分析和svdd的工程机械故障诊断研究_第2页
基于小波分析和svdd的工程机械故障诊断研究_第3页
基于小波分析和svdd的工程机械故障诊断研究_第4页
基于小波分析和svdd的工程机械故障诊断研究_第5页
资源描述:

《基于小波分析和svdd的工程机械故障诊断研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代号10532学号S08241068分类号TP277密级普通工程硕士学位论文基于小波分析和SVDD的工程机械故障诊断研究学位申请人姓名王力敏培养单位软件学院导师姓名及职称金敏副教授吴智勇高级工程师学科专业软件工程研究方向嵌入式系统与应用论文提交日期2012年10月19日学校代号:10532学号:S08241068密级:普通湖南大学工程硕士学位论文基于小波分析和SVDD的工程机械故障诊断研究学位申请人姓名:王力敏导师姓名及职称:金敏副教授吴智勇高级工程师培养单位:软件学院专业名称:软件工程论文提交日期:2012年10月19日论文答辩日期:2012年11月20日答辩委员会主席:王如

2、龙教授StudiesonFaultDiagnosisBasedonWaveletAnalysisandSVDDforConstructionMachinerybyWANGLiminB.E.(HunanInstituteofEngineering)2008AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringinSoftwareEngineeringintheSoftwareSchoolofHunanUniversitySupervisorAssociateprof

3、essorJINMinSeniorEngineerWUZhiyongOctober,2012学位论文原创性声明和学位论文版权使用授权书湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子

4、版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□,在______年解密后适用本授权书。2、不保密R。(请在以上相应方框内打“√”)作者签名:日期:年月日导师签名:日期:年月日I基于小波分析和SVDD的工程机械故障诊断研究摘要目前,工程机械行业的服务模式仍是“救火式”的事后维修,如何预测、预警故障,避免突然停机,成为亟待解决的问题。人工智能方法已经成为解决复杂设备故障诊断的主要方法,如专家系统、基于神经网络的方法、基于支持向量机的方法。然而这些方法都存在“

5、适应性”的问题:设备出现新的故障时,已建立的分类器需要重新训练,这样既浪费了时间又没有很好的利用已获得的样本。支持向量数据描述是在支持向量机理论的基础上,发展起来的一种单分类方法,它将目标样本当做一个整体来描述,通过在特征空间建立超球体来描述目标对象。在多分类故障识别中,支持向量数据描述方法对每一种状态样本进行独立的训练,因此可以扩展新的超球体,而不需要重新训练。工程机械设备运行过程中,信号是反映设备运行状态的信息载体,获得真实、充分反映设备运行情况的状态信号,是诊断设备工作状态的重要条件和前提。然而,工程机械野外作业,采集的信号不免受到各种噪声的污染,而且信号和噪声都是非平稳的。

6、小波分析是一种时频-尺度分析方法,能同时在时域和频域对信号进行观察,非常适合非平稳信号的处理和分析。本文结合小波分析和支持向量数据描述方法,并将其应用到混凝土泵车的故障识别中。利用模极大值去噪算法对采集的信号进行去噪,并提取信号的小波包能量谱用作特征参数。针对传统多分类方法,无法有效处理新类别样本的难题,提出一种球边界偏移判别准则,有效地识别了未知样本,再通过无监督的聚类学习,使诊断模型得到更新。以混凝土泵车柱塞泵为研究对象,通过对比实验,验证了本文方法的有效性。关键字:小波分析;支持向量数据描述;球边界偏移判别;聚类学习II工程硕士学位论文AbstractAtpresent,th

7、eservicemodelofconstructionmachineryindustryisstilla “fire-fighting”correctivemaintenance.Itisaproblemthathowtoforecasting,early warningandavoidsuddenshutdown.Artificialintelligencehasbecomethemain methodtosolvefaultdiagnosisproblemtoco

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。