基于數(shù)據(jù)驅(qū)動(dòng)的轉(zhuǎn)子故障特征信息建模方法研究.pdf

1、隨著信息科學(xué)技術(shù)的快速發(fā)展，計(jì)算機(jī)技術(shù)與各種智能儀表在機(jī)械裝備的監(jiān)測(cè)中獲得了廣泛應(yīng)用，反映系統(tǒng)運(yùn)行狀態(tài)的海量過(guò)程數(shù)據(jù)被采集并存儲(chǔ)下來(lái)，但是存在著“數(shù)據(jù)豐富，但信息匱乏”的缺陷。利用這些離、在線運(yùn)行數(shù)據(jù)，采用智能數(shù)據(jù)分析算法，建立起一種能夠科學(xué)描述機(jī)械裝備運(yùn)行狀態(tài)的量化特征模式，實(shí)現(xiàn)對(duì)機(jī)械裝備信息化技術(shù)發(fā)展中機(jī)器故障的智能自動(dòng)辨識(shí)，具有非常積極地奠定作用。
　　為此，本文從反映機(jī)械裝備信息特點(diǎn)的量化特征模式構(gòu)造出發(fā)，基于數(shù)據(jù)挖掘的知

2、識(shí)發(fā)現(xiàn)原理，圍繞著利用智能數(shù)據(jù)分析工具，開(kāi)展基于數(shù)據(jù)驅(qū)動(dòng)的故障監(jiān)測(cè)診斷方法的研究工作。通過(guò)采用數(shù)據(jù)驅(qū)動(dòng)故障診斷的常用算法，重點(diǎn)對(duì)反映機(jī)械裝備信息特點(diǎn)的量化特征模式構(gòu)造及不均衡故障數(shù)據(jù)集的分類(lèi)方法進(jìn)行探討，為量化描述機(jī)組運(yùn)行狀況，實(shí)現(xiàn)對(duì)故障模式的在線診斷提供依據(jù)。本文主要研究工作包括以下幾個(gè)方面的內(nèi)容:
　　(1)介紹多域特征的提取方法，對(duì)KPCA-SVM的故障數(shù)據(jù)分類(lèi)方法進(jìn)行研究，并對(duì)該方法在轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用情況進(jìn)行探討。

3、
　　(2)針對(duì)故障信息的量化特征描述問(wèn)題，提出了一種特征選擇與特征信息融合的加權(quán)KPCA方法。首先對(duì)單個(gè)通道的振動(dòng)信號(hào)提取時(shí)域、頻域和時(shí)頻域的多域特征參量，通過(guò)特征選擇方法篩選出利于故障模式辨識(shí)的敏感特征;其次融合多通道的敏感特征，得到融合特征向量;然后采用加權(quán)KPCA方法提取出融合特征向量的核主成分。通過(guò)SVM分類(lèi)器的實(shí)驗(yàn)驗(yàn)證情況表明，該算法可有效辨識(shí)出不同故障類(lèi)型。
　　(3)針對(duì)不均衡故障數(shù)據(jù)分類(lèi)精度低，辨識(shí)效率不高

4、的問(wèn)題，提出了一種基于滑動(dòng)窗口相似性因子分析方法。該方法引入滑動(dòng)窗口技術(shù)，通過(guò)分析目標(biāo)數(shù)據(jù)與歷史數(shù)據(jù)的PCA相似性因子，從舊的過(guò)程數(shù)據(jù)中篩選出與診斷目標(biāo)相似的數(shù)據(jù)，構(gòu)成待選數(shù)據(jù)池;然后采用距離相似性因子，從待選數(shù)據(jù)池中選擇出與目標(biāo)數(shù)據(jù)最相似的數(shù)據(jù)用于輔助訓(xùn)練。將該方法用于轉(zhuǎn)子故障的不均衡數(shù)據(jù)分類(lèi)中，在不同偏斜率下采用KPCA-SVM方法進(jìn)行故障分類(lèi)。結(jié)果表明，該方法可有效地改善分類(lèi)決策邊界，降低由樣本不均衡而引起的誤診斷率。