基于粒子滤波与支持向量机的柴油机故障诊断

发布时间：2017-04-10 21:43

  本文关键词：基于粒子滤波与支持向量机的柴油机故障诊断，由笔耕文化传播整理发布。

【摘要】：目前机械设备已经向着性能高、效率高、可靠性好的方向发展，而柴油机作为机械设备的重要组成部分，它的工作状态正常与否和整个系统的运行密切相关，因此对其进行状态监测、故障诊断至关重要。但是在柴油机故障诊断信号处理初期也会存在问题，采集到的振动信号里夹杂着大量的噪声，覆盖了一部分有用信号，不能准确的识别故障，因此需要对采集到的信号进行降噪处理。 本文研究的内容主要包括：首先对柴油机的结构、故障产生的原因、故障机理进行研究分析。然后介绍粒子滤波的算法并将其应用于柴油机振动信号的降噪处理，采用局域均值分解（LMD）方法对柴油机原始的振动信号进行分解；将分解得到的每个PF分量与原始的振动信号进行相关性分析，提取出较小相关系数对应的“虚假分量”，进而剔除“虚假分量”并对原始信号进行重构；利用重构后的信号建立AR模型，AR模型的系数作为粒子滤波状态方程的系数，小波变换阈值提取的噪声信号用在粒子滤波的观测方程中，利用观测方程和状态方程对原始信号进行估计得到降噪后信号；提取小波包能量谱的相对能量作为故障诊断的特征量。 由于支持向量机在解决小样本、非线性、高维数的模式识别过程中具有独特的优势，因此本文用支持向量机对提取出的特征量进行故障识别。结果表明，该方法能够有效的识别故障，，可以解决柴油机的故障诊断问题。
【关键词】：柴油机 粒子滤波 局域均值分解 支持向量机
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TK42;TH165.3
【目录】：

• 摘要4-5
• Abstract5-7
• 目录7-10
• 1 绪论10-16
• 1.1 本课题研究背景和意义10-11
• 1.2 粒子滤波国内外研究现状11-12
• 1.3 柴油机故障诊断国内外研究现状及发展趋势12-15
• 1.3.1 柴油机国内外的研究现状12-14
• 1.3.2 柴油机故障诊断技术的发展趋势14-15
• 1.4 论文结构安排15-16
• 2 柴油机故障诊断16-20
• 2.1 柴油机主要结构16
• 2.2 柴油机故障分类及故障产生的原因16-18
• 2.3 柴油机故障机理研究18
• 2.4 柴油机故障诊断的难点18-19
• 2.5 本章总结19-20
• 3 粒子滤波理论20-32
• 3.1 状态空间模型20
• 3.2 贝叶斯理论20-21
• 3.3 粒子滤波21-24
• 3.3.1 蒙特卡罗积分21-22
• 3.3.2 序列重要性采样（SIS）22-23
• 3.3.3 重采样23
• 3.3.4 粒子滤波的基本算法23-24
• 3.4 粒子滤波改进算法24-27
• 3.4.1 重要性密度函数24-25
• 3.4.2 辅助粒子滤波25-26
• 3.4.3 高斯粒子滤波26-27
• 3.5 粒子滤波算法仿真27-30
• 3.5.1 粒子滤波的状态估计仿真27-29
• 3.5.2 粒子滤波的降噪仿真29-30
• 3.6 本章小结30-32
• 4 柴油机故障诊断实验及振动信号处理32-49
• 4.1 柴油机实验设计32-34
• 4.1.1 柴油机的系统组成32-33
• 4.1.2 实验仪器的选择33
• 4.1.3 实验测点的布置33-34
• 4.2 实验几种故障的设置34-35
• 4.3 本文实验步骤35-36
• 4.4 柴油机振动信号 AR 模型建立36-48
• 4.4.1 柴油机振动信号预处理36-40
• 4.4.2 振动信号系统的辨识40
• 4.4.3 柴油机系统 AR 模型的确定40-42
• 4.4.4 系统模型的参数估计和定阶42-45
• 4.4.5 柴油机粒子滤波降噪45-48
• 4.5 本章小结48-49
• 5 基于支持向量机的故障识别49-63
• 5.1 小波包能量谱的特征值提取49-52
• 5.1.1 小波包能量特征值提取原理49-50
• 5.1.2 小波包能量谱分析50-52
• 5.2 支持向量机基本理论52-57
• 5.2.1 支持向量机原理52
• 5.2.2 线性可分支持向量机52-55
• 5.2.3 非线性支持向量机55-57
• 5.3 支持向量机的故障诊断57-60
• 5.3.1 支持向量机的模式识别57-59
• 5.3.2 支持向量机的残差生成59
• 5.3.3 支持向量机的故障预测59-60
• 5.4 样本数据及支持向量机的故障分类60-62
• 5.5 本章小结62-63
• 6 总结与展望63-65
• 6.1 总结63
• 6.2 展望63-65
• 参考文献65-70
• 硕士研究生在读期间发表论文及研究成果70-71
• 致谢71-72

【参考文献】

中国期刊全文数据库 前10条

1 齐晓慧;田庆民;董海瑞;;基于Matlab系统辨识工具箱的系统建模[J];兵工自动化;2006年10期

2 曲晓慧;郑利庆;安钢;;基于粗糙集理论的机械状态监测与故障诊断[J];测试技术学报;2009年02期

3 曹龙汉,曹长修,孙颖楷,景有泉,郭振;柴油机故障诊断技术的现状及展望[J];重庆大学学报(自然科学版);2001年06期

4 唐友怀;张海涛;罗珊;姜U

本文编号：297596