基于遗传编程与核主元分析的滚动轴承故障诊断方法研究

《基于遗传编程与核主元分析的滚动轴承故障诊断方法研究》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、北京化工大学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体己经发表或撰写过的作品成果。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结果由本人承担。作者签名：—每j啦日期：一关于论文使用授权的说明学位论文作者完全了解北京化工大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属北京化工大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许学位论文被查阅和借阅；学校可以公布学

2、位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。非暂不公开(或保密)论文注释：本学位论文不属于暂不公开(或保密)范围，适用本授权书。作者签名：导师签名：日期：迎!生￡：扭日期：迎监S15里学位论文数据集lIIIJILlllillMIIHIIIIIIIIY2628898中图分类号THl65+．3学科分类号620．5040论文编号1001020140656密级公开学位授予单位代码10010学位授予单位名称北京化工大学作者姓名何雨馨学号2011200656获学位专业名称安全技术及工程获学位专业代码081903课题来源国家自然科学基金研究方向故

3、障诊断论文题目基于遗传编程与核主元分析的滚动轴承故障诊断方法研究关键词遗传编程(GP)，核主元分析法(1(PCA)，故障诊断，特征提取，滚动轴承论文答辩日期2014．5．28宰论文类型基础研究学位论文评阅及咎辩委员会情况姓名职称工作单位学科专长指导教师刘文彬副教授北京化工大学化工装备状态监测、故障诊断评阅人1吴海琦高工辽阳石化自控评阅人2杨国安教授北京化工大学设备故障诊断状态监测评阅人3评阅人4评阅人5撇员会捕用俊波教授北京化工大学化工过程机械答辩委员1王奎升教授北京化工大学流体机械答辩委员2颜廷俊教授北京化工大学机械工程答辩委员3杨剑锋研究员北京化工大学设备状态监测

4、与故障诊断答辩委员4张东胜副教授北京化工大学安全评价，风险分析答辩委员5注：一．论文类型：1．基础研究2．应用研究3．开发研究4．其它二．中图分类号在《中国图书资料分类法》查询。三．学科分类号在中华人民共和国国家标准(GB／T13745-9)《学科分类与代码》中查询。四．论文编号由单位代码和年份及学号的后四位组成。摘要基于逮传编程与核主元分析的滚动轴承故障诊断方法研究本文针对滚动轴承的典型故障，进行了基于遗传编程(GeneticProgramming，GP)与核主元分析(KPCA)的滚动轴承故障诊断方法研究。经试验获得轴承健康状态及典型故障(外圈故障，内圈故障及滚动体

5、故障)下的振动信号，提取故障信号特征并计算不同状态下的时、频域特征参数，利用遗传编程对特征参数进行优化，构造了对故障敏感高的复合特征参数，提高了轴承状态识别的准确度。此外，将核主元分析与遗传编程结合，增强复合特征参数识别轴承状态的能力。主要内容如下：(1)计算滚动轴承不同状态下的时域、频域特征参数，引入识别因子指标选取具有较高敏感性的时域特征参数和频域特征参数，应用遗传编程(GP)算法对所选择的时域、频域特征参数进行优化，构造新的复合特征参数，与优化前的特征参数相比，GP优化后的复合特征参数对故障具有更高的敏感性。(2)采用核主元分析法(KPCA)分别对原始特征参数与

6、遗传编程(GP)算法优化产生的复合特征参数进行故障识别，分析并且比较两种情况下的第一、第二主元在识别轴承运行状态方面的能力，可以得出，对GP优化之后的复合指标进行KPCA分析，得到的特征具有更强的分类识别能力。北京化工大学硕士学位论文(3)将遗传编程及KPCA方法与BP神经网络相结合，进行了轴承故障智能识别方法研究，验证了论文所提方法的有效性。分别做三组对照试验：原始特征参数输入到BP神经网络；KPCA优化之后的特征输入到BP神经网络；GP与KPCA优化之后的特征输入到BP神经网络，试验结果表明，经过GP与KPCA优化之后提取的特征对轴承状态具有更强的识别能力。关键词

7、：遗传编程(GP)，核主元分析法(KPCA)，故障诊断，特征提取，滚动轴承IIAbstractROLLINGBEARINGFAULTDIAGNOSISBASEDONGENETICPROGRAMMINGANDKERNELPRINCIPALCoMPoNENTANALYSISABSTRACTThepapercarriedoutmethodbasedongeneticprogramming(GP)andkernelprincipalcomponentanalysis(KPCA)forrollingbeatingfaultdiagnosis．Thevibrat