基于组合赋权与模糊数据包络分析法的水工金属结构安全综合评价.docVIP

基于组合赋权与模糊数据包络分析法的水工金属结构安全综合评价.doc

  1. 1、本文档共59页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于组合赋权与模糊数据包络分析法的水工金属结构安全综合评价

摘 要 模糊数据包络模型与组合赋权是两种种新的评价体系建立技术,其基本方法是通过对水工金属结构安全监测的训练信号进行特征值提取和标量量化,建立具有相应状态数和观测值数的FDEA模型,然后利用该模型计算待诊断信号与训练信号的相似概率,根据相似概率的差异判断信号状态的变化,达到信号模式分类的目的。本文的主要研究工作是利用FDEA进行水工金属结构强度识别和结构安全诊断,包括三项研究内容:1)在深入学习FDEA理论基础上,探讨FDEA的技术实现方法,编制Matlab环境下的FDEA实现程序;2)研究振动信号特征提取方法,开发基于Matlab的希尔伯特变换和倒频谱分析程序;3)应用FDEA对于水工金属和组件等两种典型旋转水工金属结构强度进行分析识别。对于水工金属设备,以其振动信号频谱中基频处的幅值作为FDEA训练的特征值,建立水工金属升负荷过程的FDEA,进行设备状态变化分析;对于组件箱设备,建立运行过程振动信号的FDEA模型,根据相似概率的变化识别齿根裂纹结构安全的生成及发展趋势,两个应用案例都给出满意的结果。 关键词:模糊数据包络模型,结构安全诊断,特征提取,水工金属,组件 ABSTRACT Hidden FDEA Model (FDEA)is a new technique in pattern recognition. By extracting and vector quantizing the features of training signal, Hidden FDEA Mode with according state number and observation number can be established, then the similarity probability of the unknown signal can be calculated through FDEA. By comparing the similarity probability, pattern of the signal can be recognized. In this work, FDEA is applied in the pattern recognition and fault diagnosis of mechanical equipment, The mean works include three parts: 1) The realization approach of FDEA for fault diagnosis was discussed and the program of FDEA was developed with Matlab; 2) The methods of feature extraction from vibration signal, especially cepstrum and envelop method, was studied, and according program was developed with Matlab; 3) Two typical rotating machine(turbine and gearbox) with different signal characteristics were used to improve the effectiveness of FDEA for identification and classification of machine condition. For the turbine, the amplitude at the basic frequency is extracted as the features for FDEA training, for the gear box, FDEA is established to recognize the development of gear crack. The results of these two examples are all satisfied. Tian Chunhua(Control Theory and Control Engineering) Directed by prof. Liu Yibing KEY WORDS: Hidden FDEA Model, fault diagnosis, feature extraction, turbine, gear 目 录 中文摘要 英文摘要 第一章 概述 1.1 FDEA结构安全诊断方法研究意义 错误!未定义书签。 1.2 FDEA方法研究现状 1.3 本文的主要工作及

文档评论(0)

almm118 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档