基于支持向量機和模糊神經(jīng)網(wǎng)絡的旋轉(zhuǎn)機械故障診斷.pdf

1、旋轉(zhuǎn)機械作為工業(yè)部門的核心部件，其運行狀態(tài)直接影響工業(yè)部門的生產(chǎn)。如果運行在非正常狀態(tài)，輕則造成巨大的經(jīng)濟損失，重則造成人員傷亡產(chǎn)生嚴重的社會影響。故旋轉(zhuǎn)機械的狀態(tài)監(jiān)測與故障診斷具有重要的意義。
　　論文在利用旋轉(zhuǎn)機械故障實驗平臺模擬五種典型的機械狀態(tài)的基礎上，建立旋轉(zhuǎn)機械故障診斷的支持向量機和模糊神經(jīng)網(wǎng)絡故障診斷模型，有效的實現(xiàn)了這五種機械狀態(tài)的診斷。五種機械狀態(tài)分別為轉(zhuǎn)子正常、轉(zhuǎn)子不平衡、轉(zhuǎn)子不對中、軸承內(nèi)圈裂縫和軸承外圈裂縫

2、。本文主要的研究內(nèi)容如下：
　　1.在分析現(xiàn)代信號處理方法應用與傳統(tǒng)故障診斷思路的基礎上，提出了利用頻譜幅值較大的頻率成分重組信號的方法，并對重組信號提取了31個常用的特征值；同時對五種機械狀態(tài)的振動加速度信號進行信號重組，對重組信號的頻譜進行了相關性分析。相關性分析結果是同類型間的相關系數(shù)接近于1，屬于強相關性；不同類型間的相關系數(shù)較小，屬于為弱相關，表明了提取出的信號特征值具有較強的針對性。
　　2.針對二叉樹支持向量機