基于支持向量機和模糊神經網絡的旋轉機械故障診斷.pdf

1、旋轉機械作為工業(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。如果運行在非正常狀態(tài)，輕則造成巨大的經濟損失，重則造成人員傷亡產生嚴重的社會影響。故旋轉機械的狀態(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，建立旋轉機械故障診斷的支持向量機和模糊神經網絡故障診斷模型，有效的實現了這五種機械狀態(tài)的診斷。五種機械狀態(tài)分別為轉子正常、轉子不平衡、轉子不對中、軸承內圈裂縫和軸承外圈裂縫

2、。本文主要的研究內容如下：
　　1.在分析現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接近于1，屬于強相關性；不同類型間的相關系數較小，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