基于核聚类与信息融合的齿轮故障诊断技术研究

发布时间：2017-04-20 00:13

  本文关键词：基于核聚类与信息融合的齿轮故障诊断技术研究，由笔耕文化传播整理发布。

【摘要】：齿轮是目前应用最广的传递动力的机械零件，在国民经济中占重要地位。齿轮一般在齿轮箱中且浸泡在润滑油液中进行运动，受到周围复杂工作环境的影响，故障特征之间往往存在较强的非线性关系，故障诊断过程受到诸多不确定性因素的影响，存在固有的不确定性，单一信号特征往往不能全面表征设备运行状态，难以保证故障诊断的准确性，核方法与信息融合技术为解决齿轮故障诊断的这些问题提供了一条新的途径。本文从齿轮系统故障诊断技术研究现状入手，在分析齿轮故障信号特征和常见故障机理的基础上，设计了齿轮的故障诊断实验方案，从核方法中核参数的优化方法以及信息融合两个方面开展齿轮故障诊断方法研究，主要的研究工作如下： 1.开展基于核参数优化核聚类算法的齿轮故障诊断方法研究 (1)针对齿轮故障的非线性特点、核参数影响KFCM分析结果以及传统KFCM核参数优化的不足等问题，研究KFCM核参数优化的算法，利用特征空间中类内距离与类间距离的关系，以特征空间中类间距离最大的同时类内距离最小为目标，建立核参数优化的算法模型。核参数优化后的KFCM算法具有比传统KFCM更强的特征识别能力，是一种有效的模式识别方法。 (2)针对齿轮故障的非线性特征和组合特征的高维性，，建立了基于核参数优化KFCM的齿轮故障诊断模型，以时域特征提取并降维后的特征量为数据样本，将其输入KFCM分类器，实现对齿轮故障的分类识别。 2.开展基于相关函数加权KPCA与KFCM的信息融合故障诊断方法研究 (1)针对KPCA在干扰点存在时主元提取效果不好的问题，提出了一种基于相关函数加权KPCA方法。通过采用相关函数，实现数据级样本的加权分配，以降低可信度较低的数据样本对融合结果的影响，然后进行KPCA串行融合，提高融合特征的可靠性。 (2)针对齿轮的故障诊断中存在大量的不确定性信息，而且齿轮故障特征之间具有较强的非线性关系，利用信息融合技术能有效地处理不确定性信息，而KPCA与KFCM具有较强的非线性处理能力，建立了加权KPCA与KFCM的信息融合故障诊断模型，实验结果表明该模型在保证分类精度的同时，又具有较好的容错性。
【关键词】：齿轮 故障诊断 核聚类（KFCM） 信息融合 相关函数加权 核主元分析(KPCA)
【学位授予单位】：湖南科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH132.41;TH165.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-17
• 1.1 研究背景与意义10-11
• 1.2 齿轮故障诊断技术研究现状11-12
• 1.3 核聚类算法在故障诊断中的研究现状12-14
• 1.4 信息融合在故障诊断技术的研究现状14-15
• 1.5 本文的主要工作15-17
• 第二章 齿轮故障机理分析与多传感器信号采集17-33
• 2.1 齿轮结构与工作原理17-18
• 2.2 齿轮典型故障机理分析18-27
• 2.2.1 齿轮断齿的故障机理分析19-21
• 2.2.2 齿轮点蚀的故障机理分析21-23
• 2.2.3 齿轮磨损的故障机理分析23-25
• 2.2.4 齿轮故障的非线性特性分析25-27
• 2.3 齿轮故障的信号采集与特征构造27-32
• 2.3.1 实验方案设计27-29
• 2.3.2 多传感器信号采集29-30
• 2.3.3 多传感器信号特征构造30-32
• 2.4 本章小结32-33
• 第三章 基于核参数优化的齿轮故障核聚类诊断方法33-46
• 3.1 核聚类的基本原理33-36
• 3.1.1 核方法33-34
• 3.1.2 核聚类34-36
• 3.2 核参数优化方法36-39
• 3.2.1 核参数的重要性36-37
• 3.2.2 基于特征空间类内类间距离的核参数优化37-39
• 3.3 齿轮故障诊断实例研究39-45
• 3.3.1 齿轮故障核聚类诊断模型39-40
• 3.3.2 基于类内类间距离的核参数寻优40-42
• 3.3.3 基于核参数寻优的齿轮故障诊断42-45
• 3.4 本章小结45-46
• 第四章 基于核聚类与信息融合的齿轮故障诊断方法46-60
• 4.1 基于加权处理 KPCA 信息融合方法46-49
• 4.1.1 KPCA 基本原理46-47
• 4.1.2 相关函数加权的信号预处理47-49
• 4.2 基于加权处理 KPCA 与核聚类的齿轮故障诊断49-59
• 4.2.1 故障诊断模型49-50
• 4.2.2 齿轮信息融合实例研究50-54
• 4.2.3 对比分析54-58
• 4.2.4 容错性分析58-59
• 4.3 本章小结59-60
• 第五章 总结与展望60-62
• 5.1 论文总结60-61
• 5.2 研究展望61-62
• 参考文献62-66
• 致谢66-67
• 附录 攻读学位期间参研项目和发表论文目录67

【相似文献】

中国期刊全文数据库 前10条

1 汤和;应怀樵;汪元辉;张策;;用齿轮噪声特性诊断齿轮故障的研究[J];齿轮;1986年04期

2 高明;齿轮故障分析及诊断[J];电大理工;2000年01期

3 皮骏;廖明夫;;利用小波包络诊断齿轮故障[J];机械设计;2005年11期

4 孔文涛;许益华;;齿轮故障的原因及诊断[J];石油和化工设备;2009年03期

5 艾延廷,盛元生;时域分析技术在齿轮故障检测中的应用[J];振动、测试与诊断;1992年04期

6 潘嘉祺;《齿轮故障模拟器的开发和研制》项目通过科技成果鉴定[J];上海冶金高等专科学校学报;2000年02期

7 陈明华 ,陈海林 ,江建忠;齿轮故障的振动诊断及案例分析[J];中国设备工程;2005年07期

8 陈亮;;应用振动峰值能量对齿轮故障的诊断[J];中国设备工程;2008年04期

9 张桂才，赵万镒;幅值立方法──一种新的齿轮故障信号预处理方法[J];机械传动;1994年03期

10 刘建敏;刘远宏;江鹏程;冯辅周;;基于包络S变换时频图像提取齿轮故障特征[J];振动与冲击;2014年01期

中国重要会议论文全文数据库 前2条

1 明廷锋;张永祥;仰德标;;齿轮故障诊断技术研究综述[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

2 张玉奎;周火青;;提升小波分析在齿轮故障中的应用[A];2012中国（唐山）绿色钢铁高峰论坛暨冶金设备、节能减排技术推介会论文集/推介指南[C];2012年

中国硕士学位论文全文数据库 前8条

1 赵年伟;基于声发射技术的齿轮故障监测[D];沈阳工业大学;2013年

2 Simon Romli;基于包络分析的齿轮故障监测及基于人工神经网络的齿轮故障分类[D];重庆大学;2011年

3 李海龙;基于局部特征尺度分解的齿轮故障诊断方法研究[D];湖南大学;2012年

4 马学知;基于虚拟仪器的齿轮故障测试系统[D];湖南大学;2007年

5 陈佳;齿轮故障信号实时压缩算法研究[D];重庆大学;2014年

6 周辉;齿轮故障的特征提取与模式识别技术研究[D];郑州大学;2005年

7 曹宇翔;基于核聚类与信息融合的齿轮故障诊断技术研究[D];湖南科技大学;2014年

8 王西;齿轮故障的动力学建模与轮齿裂纹刚度计算方法研究[D];重庆大学;2012年

  本文关键词：基于核聚类与信息融合的齿轮故障诊断技术研究，由笔耕文化传播整理发布。

本文编号：317491