基于支持向量机船舶主机缸盖故障诊断的研究

《基于支持向量机船舶主机缸盖故障诊断的研究》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、上海海事大学硕士学位论文摘要机械故障诊断的发展历程中，故障确诊率的提高一直是研究的热点．为了系统地阐述机械故障诊断中的问题，本文中给予了相关的定义及分类。按照机械故障诊断推理过程的环节，详细分析了故障产生的机理和具体的原因It]．采用小波分析法和时间序列分析法由柴油机缸盖表面振动信号来识别气缸压力，通过对示功图进行分析计算得到了相应的放热规律．本文将柴油机工作循环的模拟计算与前述放热规律的多工况计算相结合，根据柴油机缸盖振动信号来预测其多工况性能【甜。故障诊断本质上是一种模式识别或分类的方法．在理论上和应用

2、上，支持向量机(SVM)都是非常有价值的模式识别方法．由于支持向量机的分解原理是局部最优值恰是全局最优值的一个二次规划，在训练和识别中可以避免陷入局部最优值的泥沼。它基于结构风险最小化原则，可以在算法复杂性(VC维)和iJJI练准确性(结构风险最小化)之间进行最优化平衡，因而有良好的泛化能力。支持向量机(SVM)是一种基于统计学习理论和结构风险最小化原则的新型机器学习方法，克服了传统机器学习方法在训练中的局部极小闯题，过学习和欠学习等问题，具有很好的泛化能力．本文介绍了支持向量机(SVM)在船用柴油机缸盖故

3、障诊断应用的基本理论。然后以随机激励下压电智篚结构的响应数据作为训练样本集，仿真结果验证了这种方法的有效性p1．本文在学习探讨SVM算法的同时，结合SVM在船用柴油机缸盖故障诊断中的应用研究进行了论述，共分为5章．第一章主要介绍SVM基础理论和原理．支持向量机(SupportVectorMachine，简称SVM)已经成为样本学习的最普遍的方法之一，并且在科学和工程技术上有许多潜在的应用[41．支持向量机是一种新型的基于破坏性风险最小化理论基础上的机器学习手段，即使在样本很少时也显示出很好的泛化能力p1．在

4、有限样本的机器学习中显示出优异的性能。作为结构风险最小化归纳准则的具体实现。支持向量机具有全局最优性和较好的泛化能力．支持向量机已经发展成为在噪声、复杂控制领域进行分类，有效回归的有力工具。支持向量机的两个主要特征是泛化理论和核函数，泛化理论提供了选择假设的原理和方法，而核函数则能够在不明确要求非线性算法的情况下在假设空间中引入非线性。目前SVM是模式识别领域中最先进的机器学习算法，它已初步体现出很多上海海事大学硬士学位论文优于已有方法的性能．由于采用了结构风险最小化原则代替经验最小化原则，支持向量机能够较

5、好地解决小样本学习的问题．又由于采用了核函数的思想，使它能够把非线性空间的问题转换到线性空间，降低了算法的复杂性．第二章介绍了船用柴油机通过噪声和振动信号对故障进行检测．因为柴油机工作循环的周期性和多变性。柴油机的振动和噪声是很复杂的．因此，通过这些信号来检测机械故障是困难的【71．研究表明，许多情况下检测超过20000HZ或更高一点的系统，检测本征频率是有效的检测方法。同时也表明，对于振动信号的检测优于对声音信号的检测【6】．这两种相对高频的信号，正常运转时不明显，而在故障对会增大到一个很高的程度，远高于

6、低频信号和较低的系统固有频率的增加幅度。因此，根据高频信号去检测故障会更容易些．柴油机机械部件需要新的或改进的监控方法．本章主要讨论了一些应用噪声和振动信号对柴油机进行故障检测的方法．第三章阐述了船用柴油机主机缸盖的故障诊断研究。在产品制造和使用过程中对质量要求的提高激发了制造商和用户对故障检测和诊断方面研究的发展。大多数生产制造和使用过程涉及许多相关变量．当其中有一个变量偏离它的既定范围时，故障就会发生。迅速而有效的诊断系统有助于避免出现质量问题和进行预防性维护修理．，故障诊断系统有两个任务，故障检测和故

7、障诊断。前者的目的是为了确定系统中发生的故障。将系统所有有用的信息收集处理并判别与正常工作时的不同。例如，温度，压力，波动率，流量，噪声等信息。后者被用于确定故障种类和故障源．回转机械中，故障主要原因在于轴承出现问题。掌握和诊断轴瓦存在的故障是增加运行可靠性的一种途径。活塞式内燃机中参与燃烧过程的机械部件故障可以从气缸示功图，捧气阀，声音和振动信号反映出来哆1．第四章是本文的一个主要研究内容，主要侧重于应用SVM对船用柴油机缸盖振动信号特性及典型故障的诊断。船用主柴油机的振动信号包含了关于燃烧室部件寿命的有

8、用信息．它常用来控制检测机器前期故障。几种常发生的故障可以从四冲程柴油机文献记录的振动信号得出[91。柴油机部件工作状态可以通过监测气缸盖振动信号得出．遁过讨论由气阔冲击和燃烧压力引起的气缸盖振动信号的特征，提出一些适用于柴油机振动控制和故障诊断的准则【l们．通过支持向量机方法。建立信号模型和等价冗余模型，通过测量和分析检测出导致产生冗余误差的故障【I”。上海海事大学硕士学位论文研究结果表明，SVM成功地被应用于