基于流形学习算法的滚动轴承故障识别研究

发布时间：2017-04-17 14:08

  本文关键词：基于流形学习算法的滚动轴承故障识别研究，，由笔耕文化传播整理发布。

【摘要】：针对现代复杂机械设备在出现故障时所检测到的振动信号具有明显非线性和非平稳的特性,本文以滚动轴承为研究对象,将流形学习方法中聚类性效果较好的拉普拉斯特征映射算法(Laplacian Eigenmap, LE)引入到滚动轴承故障诊断领域,对传感器所采集到的振动加速度信号作为滚动轴承状态识别的依据,进行降噪、特征提取、构建高维特征空间以及状态识别。从高维数据点特征保持的角度不同进行研究,把目前的主要流形学习方法分为局部和全局特性保持方法两类,通过对经典非线性高维卷曲数据集Swiss Roll和带有“空洞”缺陷的Swiss Hole进行研究,不同的保持方法得到不同的降维结果,从二维图结果分析中可发现：重点强调保持近邻关系的拉普拉斯特征映射LE算法对于同类样本具有非常好的聚类效果,非常适用于故障样本的分类识别。把仿真滚动轴承故障的非线性信号提取和转换得到的时域特征量与经小波包分解得到的频带能量比作为特征量构建出高维特征空间,利用LE算法的对高维特征空间中同类样本聚类的优点,对正常与故障两类样本进行分类识别,通过与主元分析法PCA和多维尺度分析MDS两种方法对比,结果表明LE方法在实现特征提取和降维结果进行样本分类具有一定的有效性和优越性。为了更进一步证明LE算法在滚动轴承故障识别中的有效性,通过对滚动轴承的四种不同故障类型、滚动体上四种不同受损程度状况下的故障实测数据,进行两组故障样本分类识别实验验证。对提取出来的低维结果使用三维可视化的方式直观地表示,并使用模式聚类识别中的类内聚Sw、类间距Sb以及不同样本平均识别率共三个参数作为评价指标,通过与PCA和MDS两种方法得到的结果比较,证明LE降维结果具有聚类性好、类间距小以及样本识别率高等优点,可以有效地应用于滚动轴承故障识别中。为了进一步证明LE方法的应用适用性,使用第一组滚动轴承不同故障位置类型识别实验中的样本作为训练样本,再选取两类状态样本各50组作为测试样本,进行验证,实现了较好的预期效果,同类故障的测试样本很好的聚集在了同类样本的训练样本处,而新样本则单独聚集于一处新的位置。
【关键词】：滚动轴承 故障诊断 信号处理与特征提取 构建高维特征空间 流形学习 拉普拉斯特征映射
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH133.33
【目录】：

• 摘要3-5
• ABSTRACT5-9
• 第一章 绪论9-21
• 1.1 研究背景及意义9-12
• 1.2 机械故障诊断国内外研究现状12-15
• 1.3 非线性降维方法在故障诊断中的研究现状15-16
• 1.4 本文主要内容与结构安排16-18
• 1.5 本文主要创新点18-21
• 第二章 滚动轴承分析与实验设计21-37
• 2.1 引言21-22
• 2.2 研究对象分析22-30
• 2.2.1 滚动轴承动力学分析22-25
• 2.2.2 滚动轴承的主要失效形式25-27
• 2.2.3 滚动轴承振动特征频率27-29
• 2.2.4 实验对象与方案设计29-30
• 2.3 振动信号分析30-35
• 2.3.1 小波包降噪31-32
• 2.3.2 特征提取和构建特征空间32-35
• 2.4 本章小结35-37
• 第三章 传统降维方法37-43
• 3.1 概述37-38
• 3.2 主元分析法PCA38-40
• 3.3 线性鉴别分析方法LDA40
• 3.4 多维尺度分析MDS40-42
• 3.5 本章小结42-43
• 第四章 流形学习方法43-61
• 4.1 引言43-44
• 4.2 流形学习44-46
• 4.2.1 流形的概念44-45
• 4.2.2 流形学习描述45-46
• 4.3 流形学习方法分类与介绍46-55
• 4.3.1 全局特性保持方法47-49
• 4.3.2 局部特性保持方法49-53
• 4.3.3 流形学习方法的案例分析53-55
• 4.4 流形学习的主要应用55-57
• 4.5 流形学习在机械故障诊断中应用57-58
• 4.6 本章小结58-61
• 第五章 基于LE算法的滚动轴承故障识别61-81
• 5.1 高维流形案例分析62-64
• 5.2 滚动轴承仿真信号分析64-67
• 5.3 基于LE算法的滚动轴承故障识别67-77
• 5.3.1 滚动轴承故障类型识别68-73
• 5.3.2 滚动轴承滚动体故障不同受损情况故障识别73-77
• 5.4 测试样本进行验证77-78
• 5.5 本章小结78-81
• 第六章 总结与展望81-83
• 6.1 全文总结81-82
• 6.2 展望82-83
• 参考文献83-89
• 致谢89-91
• 攻读硕士学位期间发表学术论文及项目支持91

【引证文献】

中国重要会议论文全文数据库 前1条

1 蒋全胜;贾民平;胡建中;许飞云;;一种基于流形学习的故障模式识别方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

  本文关键词：基于流形学习算法的滚动轴承故障识别研究，由笔耕文化传播整理发布。

本文编号：313368