基于支持向量机和模糊神经网络的旋转机械故障诊断-机械电子工程专业论文.docxVIP

摘要 摘要 AB ABSTRACT I I PAGE PAGE IV 摘要 旋转机械作为工业部门的核心部件，其运行状态直接影响工业部门的生产。 如果运行在非正常状态，轻则造成巨大的经济损失，重则造成人员伤亡产生严重 的社会影响。故旋转机械的状态监测与故障诊断具有重要的意义。 论文在利用旋转机械故障实验平台模拟五种典型的机械状态的基础上，建立 旋转机械故障诊断的支持向量机和模糊神经网络故障诊断模型，有效的实现了这 五种机械状态的诊断。五种机械状态分别为转子正常、转子不平衡、转子不对中、 轴承内圈裂缝和轴承外圈裂缝。本文主要的研究内容如下： 1.在分析现代信号处理方法应用与传统故障诊断思路的基础上，提出了利用 频谱幅值较大的频率成分重组信号的方法，并对重组信号提取了 31 个常用的特 征值；同时对五种机械状态的振动加速度信号进行信号重组，对重组信号的频谱 进行了相关性分析。相关性分析结果是同类型间的相关系数接近于 1，属于强相 关性；不同类型间的相关系数较小，属于为弱相关，表明了提取出的信号特征值 具有较强的针对性。 2.针对二叉树支持向量机多类分类算法进行故障识别模型的优先级确定难 的问题，提出了一对多支持向量机多类分类算法确定优先级的方法，并建立了二 叉树支持向量机故障诊断模型。诊断实验结果较好，表明该方法的有效性且具有 良好的工程应用价值。 3.建立了串联型模糊神经网络的逐次故障诊断模型，实验结果良好，表明了 该方法的有效性。并对比二叉树支持向量机故障诊断模型实验结果，进一步说明 了二叉树支持向量机对本文五种机械状态故障诊断的工程应用价值。 关键词：旋转机械、故障诊断、二叉树 SVM 算法、神经网络、特征值 Abstract Rotating machinery is the key component of industrial sector, its running state directly affect the production of the industrial sector. If it runs in abnormal state, light will cause huge economic losses, cause casualties and serious social impact. So it is important to state the monitoring and diagnose the fault of rotating machinery. This dissertation found the support vector machine (SVM) and fuzzy neural net- work fault diagnosis model. It is based on five kinds of typical mechanical state which is simulated by rotating machinery fault experiment platform. Five kinds of mechanic- al state of the diagnosis is good. The five kinds of mechanical state is rotor normal, rotor unbalance, bearing inner ring cracks and bearing outer ring cracks. The main conclusions are presented as follows: To analyze application of modern signal processing method and traditional fault diagnosis, and restructure the signal by using frequency components which is larger amplitude, extract 31 characteristic value which is for restructuring signal. At the same time, correlation analysis for restructuring signal which is restructured the signal for vibration acceleration signals of five kinds of five kinds of typical mechanical state. The result is that the same type of corr