基于DAGSVM的轴系扭振故障诊断方法

基于DAGSVM的轴系扭振故障诊断方法

ID:44298132

大小:386.86 KB

页数:10页

时间:2019-10-20

基于DAGSVM的轴系扭振故障诊断方法_第1页
基于DAGSVM的轴系扭振故障诊断方法_第2页
基于DAGSVM的轴系扭振故障诊断方法_第3页
基于DAGSVM的轴系扭振故障诊断方法_第4页
基于DAGSVM的轴系扭振故障诊断方法_第5页
资源描述:

《基于DAGSVM的轴系扭振故障诊断方法》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于DAGSVM的轴系扭振故障诊断方法*胡海刚',庞宏磊I,付雷2,朱文材1(1•宁波大学海运学院,浙江宁波315211;2•青岛海事局办公室,山东青岛266011)摘耍:针对船舶轴系扭振故障小样本事件,木文基于小波包Shannon爛与二义决策树支持向量机(DAGSVM)理论建立一种轴系扭振故障诊断模型。首先依托船舶轴系扭振实验平台,提取轴系扭振四种模式信号;然后利用小波包变换提取Shannon爛值,作为故障输入特征向量;最后利川K-CV交义验证法提升支持向量机,对故障进行建模识别。试验农明此法具有较高识别率,

2、为船舶轴系扭振故障诊断提供一种有价值的在线诊断方法。关键词:小波包分析:Shannon爛;支持向量机;故障诊断中图法分类号:TP17文献标识码:AFaultdiagnosismethodsabouttorsionalvibrationofshaftBasingonDAGSVMHUHai-gang^PANGHong-lei1,FULei2,ZHUWen-cai1,(1.Dept,ofMaritimeInstitute,NingboUniversity,NingboZhejiang315211,China:2.De

3、pl.ofOffice,QingdaoMantimeSafetyAdministration,QingdaoShandong266011)Abstract:Againsttorsionalfaultofthecaseofsmallsampleinship,thisarticlebasedonthetheoriesofShannonentropyofwaveletpacketandSVM—binarytreeofthemulti—classclassification,thisarticlesetsupamode

4、loffaultdiagnosisofshipshaftoftorsionalvibration.First,relyingontheexperimentalplatformofshipshaftoftorsionalvibration,extractingkindsofsignalsofshaftoperationmodeandthen,usingwaveletpackettransform,pickingupthecnergyvalueofShannonentropyactingasthefeatureve

5、ctorsoffaultinput.Finally,usingK-CVcrossvalidationmethodtopromoteDAGSVMandmakinganidentificationaboutthefailurc.TlicstudyresultshowsthatSVMhashigherrecognitionrate,providingavaluableon-linediagnosticmethodforthetorsionalvibrationfaultdiagnosisofshipshaft・Key

6、words:Waveletpacketanalysis;Shannonentropy;Supportvectormachines;Faultdiagnosis引言为提高船舶推进装置的安全性和可靠性,满足现代预防维护制度和自动化系统的要求,对船舶轴系进行扭振故障诊断研究具有十分亜要的意义。故障诊断的实质为信号特征向暈的提取和故障模式的分类识别。国内外对特征向量提取方法进行大量研究,如在频域内分析的棊于频谱分析的快速傅立叶变换川以及在时频域内分析的短时傅立叶变换⑵、小波变换⑶和小波包变换⑷等。但在频域内分析,由于分

7、辩太低不适合处理非平稳信号;而时频域内分析的短时傅立叶变换和小波变换处理又会损火高频段内的信号所包含的信息。模式判别方法的选取也是故障诊断关键因索,人工神经网络解决复杂非线性问题的应用研究中取得大量成果,由-丁•人工网络广泛存在过学习、欠学习特别是需耍超大量的训练样本等缺点,使其在船舶轴系扭振检测小样本事件的应用受到限制。小波包变换可将高频信号分解使能暈损失减少,Shannon爛可简化小波包变换后庞大数据。而支持向量机⑸(SVM)基于结构风险最小化原理来提高泛化能力,能够较好处理小样本事件。因此本文尝试通过小波

8、包Shannon嫡⑹特征向暈提取为DAGSVM故障判别相结合的方法,来对•轴系扭振故障进行诊断。1特征向量提取算法小波包Shannon^171就是将经小波包分解和重构得到各频段信号进行单频段叠加且能反应单个频段能量人小的信息量。小波包Shannon特征向量提取的步骤如F:(1)小波包分解和重构。(2-1)小波包分解算法如下:df*二工仏必小)式中d{——频带函数dk——小波包基ak、h

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。