基于小波包和支持向量机的机车轴承故障诊断研究-控制理论与控制工程专业论文.docxVIP

㈨Ul ㈨Ul l l Il l IITI I I IlU UI 【Y1 943273 硕士学位论文 基于小波包和支持向量机的机车轴承故障 诊断研究 Research on Locomotive Bearing Fault Diagnosis Based on Wavelet Packet and Support Vector Machines 作者姓名： 亟越 学科、专业： 控制堡途量控剑王程 学 号： Q窒Q垦垒!昼 指导教师： 奎堡麴援 完成日期： 窒Q!!生鱼旦 兰州交通大学 Lanzhou Jiaotong University 兰州交通大学硕士学位论文摘 兰州交通大学硕士学位论文 摘 要 铁路机车轴承是铁路交通运输设备的关键部件，由于长时间、高负荷的运行，机车 轴承很容易出现损伤。铁路机车许多故障与轴承存在或发生故障有关，轴承运行状态的 好坏关系到整个机车优越性能的发挥。鉴于轴承在整个机车中的特殊地位，开展对铁路 机车轴承的故障诊断研究具有很好的现实意义。 本论文主要进行了基于小波包分析的信号处理和基于支持向量机的智能故障诊断 两方面的研究工作。主要工作归纳如下t 讨论和分析了机车轴承振动信号的振动特征以及故障发生的机理，在掌握故障信号 特点的基础上，模拟轴承不同元件的故障信号，为机车轴承故障诊断的方法研究提供分 析载体和依据。 针对传统信号处理方法只适合对平稳、非时变信号进行处理，且不具有信号局部分 析能力，利用小波包分析在信号去噪和突变点检测方面的优势，对故障信号进行小波包 分解，从而发现故障信号不同频段的特征信息。为了从量的角度上分析轴承是否存在故 障，考虑到计算的复杂性，采用选取故障特征明显的频段(而非对所有频段)进行统计分 析的方法，结合频带能量分析技术，实现轴承外圈、内圈以及滚动体模拟故障信号特殊 频段的特征向量提取。 采用最小二乘支持向量机进行故障诊断不需要大量故障训练样本，且在高维数情况 下具有很好的分类能力，但是最小二乘支持向量机参数(惩罚因子和径向基核函数)组合 对诊断模型的分类正确率有较大影响，为提高模型的分类正确率，文中在对粒子群算法 进行深入研究和大量的仿真实验的基础上，采用粒子群算法对影响模型分类能力的参数 组合进行寻优。仿真实验表明，基于ARPSO粒子群最d--乘支持向量机诊断模型的分 类能力有了显著的提高。 将小波包分析得到的故障信号特征向量结合ARPSO粒子群最+--乘支持向量机诊 断模型，实现了机车轴承故障的智能诊断，并取得了很好的效果。 理论研究和仿真结果表明，小波包分析技术结合最小二乘支持向量机的诊断方法能 够有效地对机车轴承故障进行检测、诊断。 关键词：机车轴承；故障诊断；小波包分析；支持向量机；粒子群算法 论文类型：应用基础研究 基于粒子群最小二乘支持向量机的故障诊断算法研究Abstract 基于粒子群最小二乘支持向量机的故障诊断算法研究 Abstract Railway locomotive bearing is a key component of transportation equipment，As a long time，with the high-load operation，the locomotive bearing is prone to injury．Lots of Railway locomotive bearing faults belongs to the existence or occurrence of failures，thence，the quality of bearing running locomotive superior performance of the entire play．In．view of the locomotive bearing the special status，therefore，carting out On the railway locomotive bearing fault diagnosis have good practical significance． 硒e thesis was mainly based Oil wavelet packet analysis and signal pcocessing support vector machine based intelligent fault diagnosis research in two areas．The main contents are as follows： Discussion and analysis of the locomotive bearing the vibration charact