基于局部线性嵌入的旋转机械故障诊断研究

基于局部线性嵌入的旋转机械故障诊断研究

ID:33552551

大小:8.22 MB

页数:69页

时间:2019-02-27

基于局部线性嵌入的旋转机械故障诊断研究_第1页
基于局部线性嵌入的旋转机械故障诊断研究_第2页
基于局部线性嵌入的旋转机械故障诊断研究_第3页
基于局部线性嵌入的旋转机械故障诊断研究_第4页
基于局部线性嵌入的旋转机械故障诊断研究_第5页
资源描述:

《基于局部线性嵌入的旋转机械故障诊断研究》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、万方数据基于局部线性嵌入的旋转机械故障诊断研究学位类型:堂苤型堂僮学科(专业学位类别):扭撼王狸作者姓名:贺造燮作者学号:导师姓名及职称学院名称论文提交日期学位授予单位110103020lO:王亡邀虽』塾握:但童菱量』塾拯:扭电工程堂瞳:2Q!垒生三月三Q旦:塑直抖撞太堂万方数据ResearchonFault—DiagnosisofRotatingMachineryBasedonLocalLinearEmbeddingAlgorithm7I'ypeofDegree△堡垒鱼曼!坠i鱼旦星g!星星一一Discipline(TypeofProfessionalDegree)MechanicalE

2、ngineering—CandidateH星Yi!i垒StudentNumber11010302010SupervisorandProfessionalTitle△:£翌生垦堕g鱼坠垒坠g鱼i坠△:£:H星K坠垒坠鱼塾gSchool——————————————————CollegeofElectromechanicalEngineering———————————————DateM垒Y三Q!!:,2Q!垒UniversityHunanUniversityofScienceand.Technology............................——万方数据学位论文原创性声明本人郑重

3、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:材砷卜日期:加胆年F月=;p曰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版,允许论文被查阅和借阅。本人授权湖南科技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

4、文。涉密论文按学校规定处理。日期:三口/牛年e月;汐日日期:加睁年多月/日万方数据摘要旋转机械是现代工程各行业中的核心设备,其关键部分为转子.轴承系统。在旋转机械高速、高载、长时等工作环境下,转子系统易产生转子不平衡、不对中等一系列故障,若不及时诊断维护,将造成一定的经济损失或社会影响。面对现实故障数据集的高维非线性特点,传统的线性方法存在一定的局限性,然而,利用非线性流形学习方法能准确地提取有效信息,同时避免“维数灾难”。因此,本文以旋转机械为研究对象,设计了转子系统故障模拟实验方案,在基于局部线性嵌入的流形学习方法研究基础上,对其算法进行优化以得到更好的故障诊断效果,主要研究工作如下:

5、1)根据研究对象设计了转子系统故障模拟实验方案,在综合故障实验台上对转子系统正常状态、转子不平衡、不对中、基座松动故障进行了模拟,以及相应振动信号的采集,并对各状态信号进行了时频特性分析。2)分析了经典流形学习方法的主要思想及优缺点,针对故障样本在流形上分布不均,而局部线性嵌入算法(LLE)降维效果易受近邻点数影响的问题,提出了一种均匀化距离的局部线性嵌入算法(MLLE),通过均匀化距离代替欧氏距离,利用点间距离平均值的倒数调节使样本点间的距离整体分布趋于均匀化而减小近邻点数的影响。分析比较了两种LLE算法的故障识别率,并探讨了故障识别率随参数近邻点数或嵌入维数的变化。3)为进一步提高故障

6、识别率及算法的稳定性,在核方法与监督学习研究的基础上,提出了一种基于局部线性嵌入的核监督方法(KSLLE),通过核函数将数据样本映射到核特征空间使其更具可分性,再在特征空间中进行监督LLE降维与分类识别。另一方面,进一步结合MLLE与监督学习思想,提出一种监督均匀化距离的局部线性嵌入算法(SMLLE),首先采用均匀化距离度量使样本分布均匀,再通过监督学习增加样本点的类别信息,使类内聚集而类间分散,从而更有效的进行分类。最后,将LLE、SLLE、KSLLE、SMLLE进行故障识别率的分析比较。4)考虑到不同故障类型存在不同的多流形子空间中,将流形学习从单流形扩展到多流形,提出一种基于局部线性

7、嵌入的多流形故障诊断方法,构建多流形LLE框架,利用多LLE分别提取数据集在其不同本征维数流形上的特征,通过特征向量的聚类中心与故障新样本的距离比较,进行判别分类。通过实验数据分析验证算法的可行性。关键词:流形学习;局部线性嵌入;特征提取;维数简约;分类识别万方数据ABSTRACTRotatingmachinerywhosethekeypartisrotor—bearingsystemhasbeenthecoreequi

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。