基于核聚类与信息融合的齿轮故障诊断技术研究

《基于核聚类与信息融合的齿轮故障诊断技术研究》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、万方数据基于核聚类与信息融合的齿轮故障诊断技术研究学位类型学科(专业学位类别)作者姓名作者学号：导师姓名及职称学院名称论文提交日期学位授予单位11010301017●●万方数据ResearchonFaultDiagnosisTechnologyofGearsBasedonKFCMandInformationFusionTypeofDegree△鱼垒亟曼坐iQQ曼g盟星Discipline(TypeofProfessionalDegree)MechanicalEngineeringCandidate

2、gi堕!ru圣i垒坠gStudentNumber11010301017SupervisorandProfessionalTitle￡!Q￡Li№自迪SchoolgQ!!曼g曼Q￡曼!曼鱼垒望!坠曼鱼hi盟i曼垦!星ngi坠曼曼!=i坠gDateJune5Ⅱl，2014UniversityE鱼!!!堑!也iY皇￡墨i鲤Q￡S鱼i堡垒鱼曼坌皿垒至堡茎：!坠煦!QgY万方数据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

3、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：书翔日期：劲忤彳月占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版，允许论文被查阅和借闶。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，可以呆用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定

4、处理。作者签名：导师签名带谰日期：猡竹年6月与，日日期：7叫降‘月厂日万方数据摘要齿轮是目前应用最广的传递动力的机械零件，在国民经济中占重要地位。齿轮一般在齿轮箱中且浸泡在润滑油液中进行运动，受到周围复杂工作环境的影响，故障特征之间往往存在较强的非线性关系，故障诊断过程受到诸多不确定性因素的影响，存在固有的不确定性，单一信号特征往往不能全面表征设备运行状态，难以保证故障诊断的准确性，核方法与信息融合技术为解决齿轮故障诊断的这些问题提供了一条新的途径。本文从齿轮系统故障诊断技术研究现状入手，在分析齿

5、轮故障信号特征和常见故障机理的基础上，设计了齿轮的故障诊断实验方案，从核方法中核参数的优化方法以及信息融合两个方面开展齿轮故障诊断方法研究，主要的研究工作如下：1．开展基于核参数优化核聚类算法的齿轮故障诊断方法研究(1)针对齿轮故障的非线性特点、核参数影响KFCM分析结果以及传统KFCM核参数优化的不足等问题，研究KFCM核参数优化的算法，利用特征空间中类内距离与类间距离的关系，以特征空间中类间距离最大的同时类内距离最小为目标，建立核参数优化的算法模型。核参数优化后的KFCM算法具有比传统KFCM

6、更强的特征识别能力，是一种有效的模式识别方法。(2)针对齿轮故障的非线性特征和组合特征的高维性，建立了基于核参数优化KFCM的齿轮故障诊断模型，以时域特征提取并降维后的特征量为数据样本，将其输入KFCM分类器，实现对齿轮故障的分类识别。2．开展基于相关函数加权KPCA与KFCM的信息融合故障诊断方法研究(1)针对KPCA在干扰点存在时主元提取效果不好的问题，提出了一种基于相关函数加权KPCA方法。通过采用相关函数，实现数据级样本的加权分配，以降低可信度较低的数据样本对融合结果的影响，然后进行KPC

7、A串行融合，提高融合特征的可靠性。(2)针对齿轮的故障诊断中存在大量的不确定性信息，而且齿轮故障特征之间具有较强的非线性关系，利用信息融合技术能有效地处理不确定性信息，而KPCA与KFCM具有较强的非线性处理能力，建立了加权KPCA与KFCM的信息融合故障诊断模型，实验结果表明该模型在保证分类精度的同时，又具有较好的容错性。关键词：齿轮；故障诊断；核聚类(KFCM)；信息融合；相关函数加权；核主元分析(KPCA)万方数据ABSTRACTGearisoneofthemostwidelyusedequ

8、ipmenttoprovidepower．Itusuallyworksinthegearboxandsoaksinthelubricatingoil，whichisaffectedbythecomplexworkingenvironmentaroundit．Thereareusuallystrongnonlinearrelationsbetweenthefaultsignatures．Thefaultdiagnosisprocessisinfluencedbymanyuncerta