基于流形空間主曲線相似度的狀態(tài)評(píng)估方法研究.pdf

1、現(xiàn)代機(jī)械設(shè)備更加智能化、集成化、精細(xì)化。面臨的運(yùn)行環(huán)境更加復(fù)雜多變，在國民經(jīng)濟(jì)體系中承擔(dān)著越來越重要的責(zé)任。一旦設(shè)備發(fā)生故障，就有可能造成一定的經(jīng)濟(jì)損失，嚴(yán)重時(shí)甚至?xí)l(fā)重大安全事故。因此，對(duì)機(jī)械設(shè)備進(jìn)行運(yùn)行狀態(tài)評(píng)估，分析其性能退化趨勢(shì)非常重要。
　　機(jī)械設(shè)備振動(dòng)信號(hào)復(fù)雜化、非線性、耦合度高，針對(duì)其故障信號(hào)微弱，難以發(fā)現(xiàn)等特點(diǎn)，本文提出了基于流形空間主曲線相似度的機(jī)械設(shè)備運(yùn)行狀態(tài)評(píng)估方法，并完成了軟件系統(tǒng)開發(fā)與算法驗(yàn)證實(shí)驗(yàn)。本文主

2、要完成了以下三個(gè)方面的內(nèi)容：
　?、贆C(jī)械設(shè)備運(yùn)行狀態(tài)評(píng)估首要解決的是特征提取過程，本文首先提取單一時(shí)域、頻域、小波包能量等38個(gè)常用特征量，然后，結(jié)合振動(dòng)信號(hào)的 Wigner-Ville時(shí)頻分布與圖像相似度評(píng)價(jià)指標(biāo)復(fù)小波指數(shù)，提出了新的特征量─WVD&CW-SSIM，通過滾動(dòng)軸承全壽命實(shí)驗(yàn)驗(yàn)證了該特征量對(duì)振動(dòng)信號(hào)變化的敏感性，且能發(fā)現(xiàn)滾動(dòng)軸承運(yùn)行過程中的早期故障。最后，針對(duì)機(jī)械振動(dòng)信號(hào)的非線性、耦合度高，單一域特征無法全面表征其特

3、性的特點(diǎn)，提出了基于流形學(xué)習(xí)的多特征融合方法，將時(shí)域、頻域、小波包能量以及WVD&CW-SSIM等39個(gè)特征量融合構(gòu)成原始高維特征集，多域、多空間、多角度地描述振動(dòng)特性，同時(shí)，使用基于圖譜的流形學(xué)習(xí)算法拉普拉斯特征映射（LE）將高維特征空間最大程度無失真地轉(zhuǎn)換到低維空間。
　　②針對(duì)機(jī)械設(shè)備故障信號(hào)微弱，無法準(zhǔn)確發(fā)現(xiàn)其早期故障等特點(diǎn)以及常規(guī)狀態(tài)評(píng)估方法HMM模型與DBN網(wǎng)絡(luò)參數(shù)選取困難、訓(xùn)練學(xué)習(xí)過程復(fù)雜等缺點(diǎn)，本文提出了基于流形空

4、間Hausdorff距離的主曲線相似度運(yùn)行狀態(tài)評(píng)估方法。并針對(duì)原始軟-K主曲線初始迭代次數(shù)必須人為設(shè)定的缺陷，通過引入評(píng)判函數(shù)實(shí)現(xiàn)了自適應(yīng)迭代次數(shù)設(shè)定，同時(shí)，建立了基于流形空間主曲線相似度的機(jī)械設(shè)備運(yùn)行狀態(tài)評(píng)估算法總流程。最后，通過滾動(dòng)軸承加速退化實(shí)驗(yàn)驗(yàn)證了本文算法對(duì)軸承故障信號(hào)比較敏感，能更早地發(fā)現(xiàn)軸承故障，且無需復(fù)雜的訓(xùn)練學(xué)習(xí)與參數(shù)選取過程。
　　③結(jié)合 VC++與 Matlab開發(fā)了機(jī)械設(shè)備運(yùn)行狀態(tài)評(píng)估軟件系統(tǒng)，并對(duì)現(xiàn)場環(huán)境