论文题目: 基于支持向量回归技术的大型复杂机电设备故障诊断研究与应用
论文类型: 博士论文
论文专业: 机械电子工程
作者: 王然风
导师: 熊诗波
关键词: 故障诊断,大型复杂机电设备,支持向量回归,变换,端点效应,系统辨识,故障建模,工作振型分析
文献来源: 太原理工大学
发表年度: 2005
论文摘要: 机械设备的大型化与复杂化是现代工业发展的一个重要特征,为了确保设备安全、可靠、健康地运行,发展大型复杂机电系统的状态监测与故障诊断技术具有重要意义。在故障诊断中能否正确分析信号,获得有效的故障特征是对可能发生的故障进行分析、识别和预防的前提,因此信号处理技术直接影响故障诊断的效果。故障模型为诊断提供基本依据,基于模型的故障诊断鲁棒性强,适应性广,使用准确的模型可得到高可信度的故障诊断结论。 大型复杂机电设备故障具有随机性、多种物理效应耦合和多重故障并发的特点,反映在动态信号上具有非平稳性和非线性特性,研究非稳态、非线性信号处理和特征提取是大型复杂机电设备故障诊断中的重要技术。Hilbert-Huang时频分析技术适合于分析非线性、非平稳信号,正在成为大型复杂机电系统故障信号特征提取的重要研究方向和热点。然而HHT变换中存在的端点效应是关系到HHT时频分析精度和效果的重要问题,特别在实时故障诊断中,只有短数据长度时问题尤为突出。国内外在这方面进行了大量的研究,但尚存在以下缺点:基于波形预测的HHT端点效应消除法尽管运算简单,但是不能完全消除端点效应;使用HHT时频分析的本
论文目录:
第一章 绪论
1．1 大型复杂机电设备故障诊断的研究背景与意义
1．1．1 研究背景
1．1．2 大型复杂机电系统故障诊断的意义
1．2 大型复杂机电系统故障诊断中特征提取及故障建模研究综述
1．2．1 故障诊断技术发展的特点
1．2．2 统计学习理论与支持向量回归
1．2．3 基于Hilbert-Huang变换的大型复杂机电设备故障特征提取方法综述
1．2．4 大型复杂机电设备故障建模的理论与方法综述
1．3 本文的主要研究内容
第二章 基于支持向量回归的系统辨识建模与仿真研究
2．1 引言
2．2 统计学习理论回顾
2．2．1 机器学习问题的本质表示
2．2．2 经验风险最小化归纳原则
2．2．3 不适定问题的理论
2．2．4 VC维
2．2．5 推广性的界理论
2．2．6 结构风险最小化原则
2．2．7 支持向量机与支持向量回归
2．3 支持向量回归与系统辨识
2．3．1 支持向量回归
2．3．2 系统辨识
2．3．3 系统辨识同支持向量回归问题的联系
2．4 基于支持向量回归的系统辨识仿真研究
2．4．1 线性系统的辨识
2．4．2 非线性系统的辨识
2．5 本章小结
第三章 基于支持向量回归的HHT端点效应消除研究
3．1 概述
3．2 Hilbert-Huang变换原理、算法简述
3．2．1 EMD原理与算法
3．2．2 希尔伯特变换(HHT)原理和算法
3．3 端点效应的成因及各种处理方法
3．3．1 基于波形预测的端点效应消除法
3．3．2 基于时间序列预测技术的端点效应消除法
3．4 最小二乘支持向量回归预测算法
3．5 基于支持向量回归预测的HHT变换的仿真和实际信号验证
3．6 HHT中的采样频率的研究
3．7 本章小结
第四章 轧机异常振动稳态和非稳态信号处理研究
4．1 引言
4．2 轧机振动稳态信号处理与分析
4．2．1 轧机振动测试方案设计
4．2．2 稳态信号测试分析
4．3 轧机振动非稳态信号处理和分析
4．3．1 长数据 HHT信号处理结果
4．3．2 短数据改进 HHT信号处理
4．4 本章小结
第五章 轧机小样本故障建模、稳定性与工作振型分析
5．1 引言
5．2 闭环系统可辨识性的研究
5．3 最小二乘法系统辨识
5．3．1 最小二乘法系统辨识原理]
5．3．2 最小二乘法系统辨识的步骤
5．3．3 热连轧机最小二乘法系统辨识的结果
5．4 基于支持向量回归的轧机系统辨识
5．4．1 轧机系统辨识
5．4．2 模型检验及模型泛化能力比较
5．5 热连轧机液压压下系统稳定性分析
5．6 传感器外壳和传感器连接杆研究
5．6．1 传感器连接杆和传感器壳的信号分析
5．6．2 传感器连接杆和传感器壳的工作振型分析
5．7 本章小结
第六章、轧机液压压下系统故障模型仿真和故障排除
6．1 引言
6．2 轧机液压压下系统的故障模型
6．3 故障模型计算机仿真
6．4 传感器外壳动力学建模
6．4．1 传感器外壳实验模态分析
6．4．2 基于实验模态分析模型的有限元模型修正
6．5 基于修正有限元模型的动力学修改及效果检验
6．5．1 传感器外壳动力学修改及模态分析
6．5．2 传感器壳动力学修改的检验
6．5．3 动力学修改后的现场检验
6．6 本章小结
第七章 主要结论及展望
7．1 主要结论
7．2 研究工作主要贡献
7．3 进一步工作展望
致谢
参考文献
作者在攻读博士学位期间发表的论文目录
作者在攻读博士期间科研情况
独创性说明
发布时间: 2005-11-14
参考文献
- [1].基于振动信号特征提取与表达的旋转机械状态监测与故障诊断研究[D]. 黄伟国.中国科学技术大学2010
相关论文
- [1].面向设备管理的机电设备状态监测与故障诊断技术研究[D]. 王正英.天津大学2007
- [2].大型复杂机电设备分布式故障诊断方法研究[D]. 高保禄.太原理工大学2010
- [3].基于支持向量机的旋转机械故障诊断[D]. 赵冲冲.西北工业大学2003
- [4].基于支持向量机的故障智能诊断方法研究[D]. 翟永杰.华北电力大学（河北）2004
- [5].基于Hilbert-Huang变换的旋转机械故障诊断方法研究[D]. 程军圣.湖南大学2005
- [6].基于EMD和支持向量机的旋转机械故障诊断方法研究[D]. 杨宇.湖南大学2005
- [7].基于智能信息融合的电力设备故障诊断新技术研究[D]. 胡文平.华中科技大学2005
- [8].基于支持向量机的故障智能诊断理论与方法研究[D]. 何学文.中南大学2004
- [9].复杂机电装备故障诊断关键技术研究[D]. 韩光臣.西北工业大学2006
- [10].基于数据挖掘与信息融合的故障诊断方法研究[D]. 孙卫祥.上海交通大学2006
标签：故障诊断论文; 大型复杂机电设备论文; 支持向量回归论文; 变换论文; 端点效应论文; 系统辨识论文; 故障建模论文; 工作振型分析论文;