基于支持向量机的旋转机械故障诊断与预测方法研究创新.pptVIP

基于支持向量机的旋转机械故障诊断与预测方法研究 基本定义 故障诊断：就是对设备的运行状态进行判别，通过研究故障与特征之间的关系区分运行状态的故障与否，以及诊断发生何种具体故障。 设备状态预测：根据对设备连续监测所得到的历史数据来确定设备目前的运行状态，并预测其发展趋势及设备的残存寿命。 故障诊断三步骤 智能诊断的瓶颈 小样本问题。现有的智能诊断方法一般是建立在训练样本数目无限基础上 特征选取的问题。需要提取清晰的、能够反映故障本质的特征，特征选取的不恰当会大大降低诊断的准确性。 信号处理技术 1、傅里叶变换 2、小波变换 3、Wigner-Vill 分布 4、经验模态分解(EMD) 5、其他方法：相关分析、倒频谱分析、细化普分析、阶比谱分析、高阶谱分析、全息谱分析、分形维数、混纯等分析技术的引入 信号处理技术 时频分析方法是解决非平稳问题的最有效手段，但小波等方法存在的时频聚集性较低的问题以及Wigner-Vill中存在的交叉项等问题极大的限制了这些方法的应用。 EMD方法在很大程度上克服了其他时频方法的不足，然而虚假分量一直是制约EMD发展的突出问题。 智能故障诊断方法 专家系统方法（复杂多变的问题面前则显得无力） 神经网络方法 (1)高维情况下非线性处理能力下降； (2)在建立模型时存在收敛速度慢，易陷入局部极小值等问题； (3)泛化性能