| 【中文题名】 | 基于谱熵的故障特征提取与数据挖掘技术研究 |
| 【英文题名】 | |
| 【学科专业】 | 车辆工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-23 |
| 【中关键词】 | 谱熵,特征提取,数据挖掘,虚拟仪器,故障诊断,齿轮系统 |
| 【英关键词】 | Spectral entropy,Feature extraction,Data mining,Visual instrument,Fault diagnosis,Gear system, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>监视、报警、故障诊断系统> |
| 【论文摘要】 | 本文以齿轮振动信号作为研究对象，采用谱熵方法提取故障特征，区分故障类型，对不同类型的齿轮振动信号进行了分类和聚类分析，在此基础上研制开发了虚拟仪器故障诊断系统。
如何从随机信号中采用合适的方法进行故障特征提取是故障诊断关键。谱熵方法基于统计学，表示信号的无序性，对噪声不敏感。本文将谱熵方法引入到齿轮传动系统中，对齿轮发生的裂纹、磨损故障进行了特征提取、区分与诊断，并与正常齿轮进行了对比。表明它可以很好的提取不同状态齿轮信号的特征，能够将它们进行有效的分离。在此基础上进行了分类处理，可以对未知的齿轮振动信号进行可靠的判定。表明使用谱熵对不同状态类型的齿轮进行判定是一种有效的切实可行的方法。
数据挖掘可以解决常用的故障诊断方法的许多不足，如知识获取的“瓶颈”问题和推理的合理性及可靠性问题，是一种先进的获取特征信息的方法。本文将数据挖掘中的聚类分析方法应用到齿轮故障诊断中，在上面谱熵处理的基础上，分别用K-mean方法和改进的基于密度和网格划分的方法对一维和二维谱熵进行了处理和分析，取得了很好的效果。通过DCT变换和FFT变换得到的二维谱熵，可以表明，DCT变换的结果更有利于不同状态类型... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
第一章 绪论 |
7-15 |
|
1.1 研究的目的和意义 |
7-8 |
|
1.2 国内外研究现状 |
8-10 |
|
1.3 故障诊断的研究方法 |
10-13 |
|
1.3.1 基于解析模型的方法 |
11-12 |
|
1.3.2 基于信号处理的方法 |
12 |
|
1.3.3 基于知识的方法 |
12-13 |
|
1.4 本文研究的主要内容 |
13-14 |
|
1.5 本文的章节组成 |
14-15 |
|
第二章 机械设备故障诊断的理论与技术 |
15-25 |
|
2.1 机械设备故障诊断及其检测的主要方法与技术 |
15-16 |
|
2.1.1 振动诊断技术 |
15 |
|
2.1.2 无损检测技术 |
15-16 |
|
2.1.3 铁谱分析技术 |
16 |
|
2.1.4 温度诊断技术 |
16 |
|
2.2 机械设备振动信号的检测和分析方法 |
16-21 |
|
2.2.1 振动信号的检测 |
16-17 |
|
2.2.2 机械振动信号的分析处理方法 |
17-21 |
|
2.3 齿轮故障诊断技术 |
21-25 |
|
第三章 谱熵理论及其特征提取与诊断 |
25-47 |
|
3.1 谱熵的定义 |
25-27 |
|
3.1.1 概率熵 |
25-26 |
|
3.1.2 频域谱熵 |
26-27 |
|
3.2 谱熵检测的基本原理 |
27-29 |
|
3.2.1 DCT变换 |
27-28 |
|
3.2.2 谱熵方法的计算及处理 |
28-29 |
|
3.3 齿轮系统故障诊断试验 |
29-31 |
|
3.3.1 齿轮故障模型的建立 |
29-30 |
|
3.3.2 齿轮故障系统试验测试装置建立 |
30-31 |
|
3.3.3 齿轮系统试验方法 |
31 |
|
3.4 齿轮系统谱熵的处理及结果分析 |
31-38 |
|
3.4.1 计算结果 |
35-37 |
|
3.4.2 同一转速下不同故障类型的谱熵的计算结果显示及分析 |
37-38 |
|
3.5 齿轮故障类型的分类预测 |
38-45 |
|
3.5.1 分类的基本理论 |
38-41 |
|
3.5.2 试验分类结果及分析 |
41-45 |
|
3.6 小结 |
45-47 |
|
第四章 数据挖掘在齿轮故障诊断中的应用 |
47-63 |
|
4.1 数据挖掘 |
47-50 |
|
4.1.1 数据挖掘的定义和功能 |
47 |
|
4.1.2 数据挖掘过程 |
47-48 |
|
4.1.3 数据挖掘技术常用的技术和方法 |
48-50 |
|
4.2 聚类分析 |
50-53 |
|
4.2.1 聚类分析过程 |
51-52 |
|
4.2.2 层次聚类 |
52-53 |
|
4.2.3 非层次聚类 |
53 |
|
4.3 试验齿轮信号的聚类分析 |
53-60 |
|
4.3.1 K-mean方法 |
54-55 |
|
4.3.2 基于密度和网格划分的方法 |
55-60 |
|
4.4 齿轮工作状态趋势分析 |
60-62 |
|
4.5 小结 |
62-63 |
|
第五章 虚拟仪器在齿轮故障诊断中的应用研究 |
63-73 |
|
5.1 虚拟仪器的构成、特点及开发平台 |
63-65 |
|
5.1.1 虚拟仪器的构成 |
63-64 |
|
5.1.2 虚拟仪器的特点 |
64 |
|
5.1.3 虚拟仪器开发平台 |
64-65 |
|
5.2 基于谱熵的虚拟仪器开发 |
65-69 |
|
5.2.1 虚拟仪器结构的构建 |
65 |
|
5.2.2 VC++与MATLAB混合编程 |
65-66 |
|
5.2.3 基于谱熵的虚拟仪器的功能 |
66-69 |
|
5.3 基于谱熵的虚拟仪器在齿轮故障诊断中的应用 |
69-73 |
|
第六章 总结与展望 |
73-75 |
|
6.1 本文研究内容总结 |
73-74 |
|
6.2 进一步研究展望 |
74-75 |
|
参考文献 |
75-80 |
|
发表论文和参加科研情况 |
80-81 |
|
致谢 |
81-82 |
|
| 【DOI】 | LunWen.ID:2.2008.388505 |
