基于流形學習的主軸系統(tǒng)故障診斷方法研究.pdf

1、隨著航天技術、原子能、微電子學、信息技術及生物工程等新興科學技術的發(fā)展,對機械加工精度的要求越來越高。高速超精密數(shù)控機床是實現(xiàn)精密加工的首要基礎條件,也是現(xiàn)代化制造業(yè)的關鍵生產設備。主軸系統(tǒng)故障診斷技術在企業(yè)中的應用能夠及早發(fā)現(xiàn)數(shù)控機床故障,保持運行精度,節(jié)約維修費用,提高利用率及施行科學維護。
　　本文介紹了主軸系統(tǒng)關鍵部件的故障信號特征,以主軸、滾動軸承和齒輪作為研究對象,應用非線性、非平穩(wěn)信號分析方法對非線性微弱信號特征提取

2、技術與早期故障診斷技術進行深入的理論研究和應用研究。
　　針對主軸系統(tǒng)早期微弱非線性非平穩(wěn)故障的特征提取技術,通過研究適合處理非線性、非平穩(wěn)信號的 EEMD方法和小波包分解方法,探究流形學習算法對高維非線性數(shù)據(jù)的特征提取,提出了基于 EEMD和小波包的故障敏感特征提取方法、基于流形學習的時頻域統(tǒng)計指標的敏感特征提取方法、基于流形學習的軸心軌跡特征提取方法。
　　研究了流形學習和SVM的參數(shù)優(yōu)化問題,考察目前常用的優(yōu)化方法,包