小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别

小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别

ID:37024172

大小:6.70 MB

页数:68页

时间:2019-05-17

小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别_第1页
小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别_第2页
小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别_第3页
小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别_第4页
小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别_第5页
资源描述:

《小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别》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、1分类号:学校代号:10150UDC:密级:号:20163171学义盖又遽乂事全日制专业硕士学位论文小波能量与Shannon熵特征提取的车轴疲劳裂纹声发射信号识别IdentificationofwaveletenerandShannongyentroforfeatureextractioninaxlefatiuepygcrackacousticemissionsinalg学生姓名:赫大雨校内导师及职称:林丽副教授企业导师及职称:于湘涛高级工程师工

2、程领域:车辆工程研究方向:列车故障诊断论文类型:应用研究申请学位:工程硕士论文答辩日期:2018年6/114曰学位授予单位:大连交通大学大连交通大学学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢及参考文献的地方外,论文中不包含他人或集体已经发表或撰写过的研究成果,也不包含为获得大连交通大学或其他教育机构的学位或证书而一使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。

3、本人完全意识到本声明的法律效力,申请学位论文与资料若有不一实之处。,由本人承担切相关责任学位论文作者签名:4日期:>/客年/月泣日大连交通大学学位论文版权使用授权书水学位论文作者完全了解大连交通大学有关保护知识产权及保留、使用学位论文的规定:研究生在校攻读学位期间论文工作的,即知识产权单位属大连交通大学,本人保证毕业离校后,发表或使用论女工作成杲时署名单位仍然为大连交通大学。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及其电子文档,允许论文被查阅和借阅。水人授权大连交通大学可以将本学位论文的全部或部分

4、内容编入学校有关数据库和收录到《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》进行信息服务、,也可以采用影印缩印或扫描等复制手段保存或汇编本学位论文。(保密的学位论文在解密后应遵守此规定)学位论文作者签名:导师签名:你A日期:2/你年'月>日日期:>/?年/月办日摘要摘要轨道车辆车轴是转向架中的关键部件。在轨道车辆长期运行过程中,车轴受到车体施加的外载荷作用易产生疲劳裂纹,而这些裂纹造成材料中积存的能量以弹性波的形式释放,从而产生声发射现象。故本文利用无损检测中的声发射检测技术对轨道车辆

5、车轴进行伤损检测。因为小波能量和Shannon熵在车轴疲劳裂纹声发射信号中的时域和频域上的分布和在噪声信号中的分布不同,因此利用小波能量和Shannon熵对车轴疲劳裂纹声发射信号进行特征提取和对疲劳裂纹的扩展规律进行描述。车轴疲劳裂纹从萌生到扩展到车轴断裂将会经历不同的阶段,本文将由疲劳实验采集到的车轴疲劳裂纹全部过程的声发射信号进行分段处理,根据波形特征将采集到的声发射信号初步分为四段进行分析。Morlet小波适合提取机械故障信号的脉冲分量,而且它的连续小波变换已经成功的应用到了故障诊断领域中一。因此,本文对每段声发射信

6、号进行连续小波变换(CWT),获取变换后的小波系数,选用Morlet小波作为连续小波-变换的小波基函数。然后,选取五种特征参数,分别是平均值、峰峰值、标准偏差、偏度值以及峭度因子,提取不同分辨率尺度上小波系数的五种统计参数的特征构成特征一向量。本文提出种减少特征输入的新方法,采用能量最大值与Shannon熵的比准则来选择不同分辨率尺度上的最优尺度范围,从而可以减少特征的输入,将最优尺度。最后上小波能量和Shannon熵作为两个新特征同其他最优尺度上五种特征参数的特征一起作MLP)神经网络对输入的特。为分类器的输入,使用多层感知器(

7、征进行分类验证分析的结果表明,基于Morlet连续小波变换的小波能量和Shannon熵在最优尺度上的分布不仅能从敲击,也能表示处于不同阶段、噪声信号中提取车轴疲劳裂纹声发射信号的特征。的车轴疲劳裂纹的变化规律并且寻找最优尺度范围理论的提出减少了特征输入,小波能量和Shannon熵作为两个新特征的加入提高了分类器的性能,也能将车轴疲劳裂纹从敲击、噪声信号中识别出来。关键词:声发射连缤小波变换;小波能置Shannon;;熵;神经网络;I大连交通大学全日制专业硕士学位论文AbstractTheaxleofrai

8、lwayvehicleisaimportantpartofthe

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。