基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷方法研究

【摘要】：風(fēng)電機(jī)組工作在變工況、大溫差等惡劣的環(huán)境下,使得風(fēng)電機(jī)組各部件容易出現(xiàn)故障,尤其是風(fēng)電機(jī)組傳動系統(tǒng)在交變載荷的作用下很容易出現(xiàn)故障,造成機(jī)組停機(jī)。風(fēng)電機(jī)組傳動系統(tǒng)結(jié)構(gòu)復(fù)雜、體積龐大,對其進(jìn)行安裝和維護(hù)困難,維護(hù)費(fèi)用高,且風(fēng)電機(jī)組傳動系統(tǒng)故障導(dǎo)致機(jī)組的停機(jī)時(shí)間長,嚴(yán)重影響發(fā)電量,造成經(jīng)濟(jì)損失。解決風(fēng)電機(jī)組因傳動系統(tǒng)故障導(dǎo)致巨大經(jīng)濟(jì)損失的關(guān)鍵是進(jìn)行風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷,在故障處于萌芽階段或者故障尚輕微的情況下,對故障進(jìn)行準(zhǔn)確地識別,并據(jù)此指導(dǎo)保養(yǎng)和維修工作,提高風(fēng)電機(jī)組運(yùn)行的可靠性。風(fēng)電機(jī)組傳動系統(tǒng)結(jié)構(gòu)復(fù)雜、工況不穩(wěn)定,早期故障特征信號十分微弱且淹沒在強(qiáng)噪聲環(huán)境中,故障特征難以提取;風(fēng)電機(jī)組傳動系統(tǒng)的振動監(jiān)測才開始起步,早期故障樣本缺乏系統(tǒng)的、長期的收集,導(dǎo)致早期故障樣本稀缺。風(fēng)電機(jī)組傳動系統(tǒng)的這些特點(diǎn)導(dǎo)致傳統(tǒng)的故障診斷方法難以有效地進(jìn)行風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷。流形學(xué)習(xí)是一種非線性數(shù)據(jù)降維方法,可有效地挖掘非線性數(shù)據(jù)的內(nèi)在分布規(guī)律和本質(zhì)信息,已開始應(yīng)用于機(jī)械設(shè)備故障診斷中。論文針對風(fēng)電機(jī)組傳動系統(tǒng)的特點(diǎn),在研究和拓展流形學(xué)習(xí)的基礎(chǔ)上,提出了基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷方法,包括基于無監(jiān)督流形學(xué)習(xí)的非線性信號消噪方法、基于監(jiān)督流形學(xué)習(xí)的微弱特征提取方法以及基于參數(shù)優(yōu)化的小子樣早期故障模式識別方法,以實(shí)現(xiàn)風(fēng)電機(jī)組傳動系統(tǒng)的早期故障診斷。論文主要研究內(nèi)容如下:(1)針對風(fēng)電機(jī)組傳動系統(tǒng)狀態(tài)信號具有強(qiáng)烈的非線性干擾噪聲的問題,提出基于無監(jiān)督流形學(xué)習(xí)的非線性降噪方法。采用小波包分解將信號分解到各頻帶范圍內(nèi),并分別對各頻帶內(nèi)的小波包分解系數(shù)進(jìn)行相空間重構(gòu);根據(jù)各信號成分的信噪空間分布,選取相空間重構(gòu)的參數(shù)和信號的本征維數(shù);結(jié)合無監(jiān)督流形學(xué)習(xí)算法在數(shù)據(jù)集本質(zhì)信息挖掘上的優(yōu)勢,采用局部切空間排列(Local tangent space alignment,LTSA)算法將含噪信號從高維相空間投影到低維有用信號空間中,實(shí)現(xiàn)信號與噪音的分離,該方法可應(yīng)用于風(fēng)電機(jī)組傳動系統(tǒng)強(qiáng)噪音信號的非線性降噪。(2)針對風(fēng)電機(jī)組傳動系統(tǒng)早期故障特征微弱、故障特征難以提取的問題,提出基于監(jiān)督流形學(xué)習(xí)的早期微弱故障特征提取方法。構(gòu)建由多域故障特征組成的高維故障特征集,來更加全面、綜合地表征早期故障。提出改進(jìn)的核空間距離評估敏感特征選取方法,剔除特征集中的干擾特征和噪聲特征。研究監(jiān)督流形學(xué)習(xí)算法,給出了兩種有監(jiān)督流形學(xué)習(xí)方法——有監(jiān)督擴(kuò)展線性局部切空間排列算法(Supervised extended-local tangent space alignment,SE-LTSA)和改進(jìn)的有監(jiān)督局部線性嵌入算法(Enhanced supervised locality linear embedding,ESLLE),以及一種半監(jiān)督流形學(xué)習(xí)算法——半監(jiān)督線性局部切空間排列算法(Semi-supervised local tangent space alignment,SS-LTSA),并給出了新增樣本動態(tài)嵌入算法來進(jìn)行動態(tài)故障特征提取。監(jiān)督流形學(xué)習(xí)算法將早期故障樣本標(biāo)簽信息有機(jī)地融入維數(shù)約簡過程,可提高低維故障特征向量的可辨識性,可用于風(fēng)電機(jī)組傳動系統(tǒng)早期微弱故障特征提取。(3)針對風(fēng)電機(jī)組傳動系統(tǒng)早期故障樣本稀缺的問題,提出了基于參數(shù)優(yōu)化的最小二乘支持向量機(jī)(Least square support vector machine,LS-SVM)風(fēng)電機(jī)組傳動系統(tǒng)小子樣早期故障模式識別方法。針對LS-SVM模型參數(shù)優(yōu)化的問題,提出了改進(jìn)的粒子群優(yōu)化算法(Enhanced particle swarm optimization,EPSO)。EPSO通過引入局部搜索能力、重新定義粒子搜索速度和自適應(yīng)調(diào)節(jié)優(yōu)化過程的參數(shù),使得EPSO能夠快速地尋找到早期故障識別模型的全局最優(yōu)參數(shù)。(4)實(shí)現(xiàn)了泛化流形學(xué)習(xí)方法的系統(tǒng)集成,系統(tǒng)主要包括數(shù)據(jù)采集、信號分析與處理、早期微弱故障特征提取、早期故障診斷等功能,可應(yīng)用于風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷,并通過實(shí)例應(yīng)用對系統(tǒng)各子模塊進(jìn)行檢驗(yàn)。文章最后對本文的工作進(jìn)行了總結(jié),并展望下一步的研究方向。 【關(guān)鍵詞】：風(fēng)電機(jī)組傳動系統(tǒng) 模式識別 流形學(xué)習(xí) 最小二乘支持向量機(jī) 早期故障診斷
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TM315
【目錄】：

• 中文摘要3-5
• 英文摘要5-11
• 1 緒論11-25
• 1.1 課題來源11
• 1.2 課題背景和研究意義11-14
• 1.3 風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷方法研究現(xiàn)狀14-21
• 1.3.1 風(fēng)電機(jī)組傳動系統(tǒng)故障診斷技術(shù)研究現(xiàn)狀15-19
• 1.3.2 基于流形學(xué)習(xí)的故障診斷方法研究現(xiàn)狀19-21
• 1.4 基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷存在的難點(diǎn)21-22
• 1.5 本文主要研究內(nèi)容及結(jié)構(gòu)安排22-25
• 2 基于無監(jiān)督流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)振動信號降噪25-49
• 2.1 引言25-26
• 2.2 時(shí)域信號噪聲向小波系數(shù)空間的轉(zhuǎn)化26-29
• 2.2.1 小波包分解26-28
• 2.2.2 時(shí)域信號噪聲向小波系數(shù)空間的轉(zhuǎn)化28-29
• 2.3 相空間重構(gòu)和無監(jiān)督流形學(xué)習(xí)算法29-34
• 2.3.1 相空間重構(gòu)29-30
• 2.3.2 局部切空間排列算法30-31
• 2.3.3 參數(shù)設(shè)置31-34
• 2.4 基于無監(jiān)督流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)振動信號降噪34-48
• 2.4.1 基于無監(jiān)督流形學(xué)習(xí)的振動信號非線性降噪流程34-35
• 2.4.2 仿真信號降噪實(shí)驗(yàn)35-43
• 2.4.3 應(yīng)用實(shí)例43-48
• 2.5 本章小結(jié)48-49
• 3 基于監(jiān)督流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)早期微弱故障特征提取49-89
• 3.1 引言49-50
• 3.2 混合域特征提取50-60
• 3.2.1 故障特征構(gòu)造50-52
• 3.2.2 故障特征選擇52-54
• 3.2.3 實(shí)驗(yàn)與分析54-60
• 3.3 有監(jiān)督流形學(xué)習(xí)早期故障特征提取60-74
• 3.3.1 改進(jìn)的有監(jiān)督線性局部嵌入算法60-62
• 3.3.2 有監(jiān)督擴(kuò)展線性局部切空間排列算法62-64
• 3.3.3 迭代新增樣本嵌入算法64-66
• 3.3.4 實(shí)驗(yàn)與分析66-74
• 3.4 半監(jiān)督流形學(xué)習(xí)早期故障特征提取74-80
• 3.4.1 半監(jiān)督局部切空間排列算法74-77
• 3.4.2 實(shí)驗(yàn)與分析77-80
• 3.5 基于監(jiān)督流形學(xué)習(xí)的微弱故障特征提取80-87
• 3.5.1 基于監(jiān)督流形學(xué)習(xí)的微弱故障特征提取流程80-81
• 3.5.2 實(shí)例應(yīng)用81-87
• 3.6 本章小結(jié)87-89
• 4 基于模式識別的風(fēng)電機(jī)組傳動系統(tǒng)小子樣早期故障辨識89-107
• 4.1 引言89-90
• 4.2 最小二乘支持向量機(jī)算法(LS-SVM)90-92
• 4.2.1 支持向量機(jī)(SVM)算法90-91
• 4.2.2 最小二乘支持向量機(jī)(LS-SVM)算法91-92
• 4.3 改進(jìn)PSO參數(shù)優(yōu)化算法92-94
• 4.3.1 PSO參數(shù)優(yōu)化算法92-93
• 4.3.2 改進(jìn)PSO參數(shù)優(yōu)化算法93-94
• 4.4 基于改進(jìn)PSO優(yōu)化最小二乘支持矢量機(jī)的早期故障診斷模型94-96
• 4.5 實(shí)驗(yàn)驗(yàn)證及實(shí)例應(yīng)用96-105
• 4.5.1 齒輪箱故障診斷實(shí)驗(yàn)96-102
• 4.5.2 EPSO優(yōu)化參數(shù)的LS-SVM在風(fēng)電機(jī)組傳動系統(tǒng)狀態(tài)辨識中的應(yīng)用102-105
• 4.6 本章小結(jié)105-107
• 5 系統(tǒng)集成及應(yīng)用107-121
• 5.1 引言107
• 5.2 系統(tǒng)軟件功能實(shí)現(xiàn)107-114
• 5.3 應(yīng)用實(shí)例114-120
• 5.4 本章小結(jié)120-121
• 6 結(jié)論與展望121-125
• 6.1 結(jié)論121-122
• 6.1.1 全文總結(jié)121-122
• 6.1.2 主要?jiǎng)?chuàng)新點(diǎn)122
• 6.2 研究展望122-125
• 致謝125-127
• 參考文獻(xiàn)127-139
• 附錄139-140
• A. 作者在攻讀博士學(xué)位期間發(fā)表的論文目錄139-140
• B. 作者在攻讀博士學(xué)位期間參加的科研項(xiàng)目140

您可以在本站搜索以下學(xué)術(shù)論文文獻(xiàn)來了解更多相關(guān)內(nèi)容

零相位數(shù)字濾波器在非平穩(wěn)信號處理中的應(yīng)用    常廣;鄢素云;王毅;

基于EEMD-Renyi熵和PCA-PNN的滾動軸承故障診斷    竇東陽;李麗娟;趙英凱;

基于分形維和局部切空間均值重構(gòu)的非線性降噪方法    王廣斌;黃良沛;趙先瓊;

流形學(xué)習(xí)在機(jī)械故障診斷中的應(yīng)用研究    王冠偉;張春霞;莊健;于德弘;

基于局部線性逼近的流形學(xué)習(xí)算法    宋欣;葉世偉;

基于主流形識別的非線性時(shí)間序列降噪方法及其在故障診斷中的應(yīng)用    陽建宏;徐金梧;楊德斌;黎敏;

基于核空間距離測度的特征選擇    蔡哲元;余建國;李先鵬;金震東;

基于粒子群混合算法的風(fēng)力發(fā)電機(jī)齒輪箱故障診斷    程加堂;段志梅;艾莉;

沖擊故障特征提取的非線性流形學(xué)習(xí)方法    梁霖;徐光華;栗茂林;張熠卓;梁小影;

利用非線性流形學(xué)習(xí)的軸承早期故障特征提取方法    栗茂林;王孫安;梁霖;

風(fēng)力發(fā)電機(jī)組關(guān)鍵部件的有限元分析    許燕

基于EMD和SVM技術(shù)風(fēng)電齒輪箱早期故障診斷研究    白亞紅

基于信號流圖的風(fēng)力發(fā)電機(jī)故障診斷    何丹;

基于普通異步發(fā)電機(jī)的恒速風(fēng)電機(jī)組模型與并網(wǎng)分析    吳旭;林俐;

基于DSP的電力阻波器高頻參數(shù)測試系統(tǒng)設(shè)計(jì)    曹文思;譚聯(lián);張國志;邱道尹;

基于分形維和局部切空間均值重構(gòu)的非線性降噪方法    王廣斌;黃良沛;趙先瓊;

某風(fēng)電齒輪箱運(yùn)行狀態(tài)監(jiān)測系統(tǒng)設(shè)計(jì)    米林;秦甲磊;譚偉;吳旋;

高速鐵路牽引供電系統(tǒng)健康管理及故障預(yù)警體系研究    何正友;程宏波;

智能動力裝備的全生命周期診斷和服務(wù)技術(shù)與系統(tǒng)研制    徐光華;梁霖;張慶;景敏卿;溫廣瑞;高志勇;金穎;李文海;

基于SA-PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)的拖拉機(jī)齒輪箱故障診斷    王業(yè)琴;

基于LLE算法和SVM的旋轉(zhuǎn)機(jī)械故障診斷    蘇盈盈;馬飛;劉興華;熊德楊;

風(fēng)機(jī)葉片故障預(yù)測的振動方法研究    張保欽;雷保珍;趙林惠;李世剛;鄭業(yè)明;

Nonlinear Manifold Learning based Fault Classification Method    

一種基于流形學(xué)習(xí)的故障模式識別方法    蔣全勝;賈民平;胡建中;許飛云;

Rolling Bearing Fault Diagnosis based on Wavelet Energy Spectrum, PCA and PNN    Keyong Shao;Miaomiao Cai;Guofeng Zhao;

基于非線性信號分析的滾動軸承狀態(tài)監(jiān)測診斷研究    劉永斌

基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷方法研究    王廣斌

風(fēng)電機(jī)組振動監(jiān)測與故障診斷研究    劉文藝

基于流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)故障診斷方法研究    李鋒

基于圖的半監(jiān)督學(xué)習(xí)及其應(yīng)用研究    潘俊

汽輪發(fā)電機(jī)組故障診斷系統(tǒng)中幾個(gè)關(guān)鍵技術(shù)的研究    盧學(xué)軍

混沌理論及基于特定混沌系統(tǒng)的微弱信號檢測方法研究    聶春燕

振動信號非平穩(wěn)特征的深層提取技術(shù)及遠(yuǎn)程診斷服務(wù)系統(tǒng)的研究    劉小峰

貝葉斯模型及其在混沌序列分析中的應(yīng)用研究    汪金菊

機(jī)械測試中多分量信號特征提取方法的研究    毛永芳

兆瓦級風(fēng)力發(fā)電機(jī)組整機(jī)結(jié)構(gòu)強(qiáng)度分析    金大偉

強(qiáng)風(fēng)作用下大功率風(fēng)力機(jī)的振動響應(yīng)研究    張彪

大型風(fēng)力機(jī)的故障診斷專家系統(tǒng)    李云

風(fēng)力發(fā)電機(jī)底盤的有限元分析及優(yōu)化設(shè)計(jì)    劉東博

基于MSC.Patran的風(fēng)電機(jī)組塔架參數(shù)化有限元分析系統(tǒng)研究    白寧

風(fēng)力發(fā)電機(jī)滑動式偏航軸承的性能分析與研究    余意

基于局部線性分析的降維算法研究    劉勝藍(lán)

基于全矢譜的風(fēng)力發(fā)電系統(tǒng)齒輪箱的故障診斷研究    王植申

基于主題挖掘和覆蓋的文本分類研究    劉超

大型風(fēng)力發(fā)電機(jī)組機(jī)械故障診斷信息系統(tǒng)研究    李效龍

基于云神經(jīng)網(wǎng)絡(luò)的空間推進(jìn)系統(tǒng)故障檢測與診斷    徐宗本;樊忠澤;

關(guān)于支持向量機(jī)參數(shù)選擇方法分析    王睿;

我國風(fēng)力發(fā)電現(xiàn)狀和展望    李俊峰;高虎;馬玲娟;

國內(nèi)電站故障診斷系統(tǒng)的現(xiàn)狀及發(fā)展方向    程道來,吳茜,呂庭彥,陳棟

基于零相位數(shù)字濾波器的邊界問題的分析    尚秀輝;郭愛煌;李廣宇;

一種基于支持向量機(jī)的三維物體識別方法    徐勝;彭啟琮;管慶;趙明淵;

LabVIEW與MATLAB混合編程    裴鋒,楊萬生

小波包分解樹結(jié)點(diǎn)與信號子空間頻帶的對應(yīng)關(guān)系及其應(yīng)用    曾憲偉;趙衛(wèi)明;盛菊琴;

零相位數(shù)字濾波器    紀(jì)躍波,秦樹人,湯寶平

基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷    王曉霞;王濤;

基于局域波法的轉(zhuǎn)子系統(tǒng)非線性動態(tài)特性及應(yīng)用研究    王鳳利

局域波分析的理論方法研究及應(yīng)用    鄒巖崑

600KW風(fēng)力發(fā)電機(jī)組故障診斷    唐新安

風(fēng)力發(fā)電機(jī)組振動測試技術(shù)研究    時(shí)軼

基于流形學(xué)習(xí)的特征提取    徐輝

基于流形學(xué)習(xí)和流形高階近似的圖像距離度量    周華;蔡超;丁明躍;

融合局部和全局結(jié)構(gòu)的流形學(xué)習(xí)    黃鴻;李見為;馮海亮;

基于流形學(xué)習(xí)的圖像檢索算法研究    賀廣南;楊育彬;

基于年齡流形的人臉圖像年齡識別    金波;

基于流形學(xué)習(xí)算法的人臉識別研究    高崢;杜川;

流形學(xué)習(xí)算法概述    詹煒;

基于流形學(xué)習(xí)的混合光譜解混分析    丁玲;唐娉;李宏益;

一種基于線性插值的流形學(xué)習(xí)算法    顧艷春;

基于高光譜影像的流形學(xué)習(xí)降維方法近鄰畸變分析    張輝遠(yuǎn);

基于非線性子流形的人臉識別    馮海亮;李見為;王旭初;黃鴻;

流形學(xué)習(xí)算法分析及在人臉數(shù)據(jù)庫上的應(yīng)用    宋欣;王娟;張斌;葉世偉;

基于流形學(xué)習(xí)的非線性系統(tǒng)可視化算法    劉曉平;季浩;鄧偉財(cái);

基于流形學(xué)習(xí)的半監(jiān)督文本情感分類算法    何慧;陳博;郭軍;

一種基于流形學(xué)習(xí)的故障模式識別方法    蔣全勝;賈民平;胡建中;許飛云;

基于泛化流形學(xué)習(xí)的風(fēng)電機(jī)組傳動系統(tǒng)早期故障診斷方法研究    蘇祖強(qiáng)

圖嵌入框架下流形學(xué)習(xí)理論及應(yīng)用研究    黃鴻

流形學(xué)習(xí)理論與方法研究及在人臉識別中的應(yīng)用    尹峻松

流形學(xué)習(xí)方法理論研究及圖像中應(yīng)用    黃啟宏

流形學(xué)習(xí)算法在人臉識別中的應(yīng)用研究    馮海亮

流形學(xué)習(xí)的譜方法相關(guān)問題研究    曾憲華

流形學(xué)習(xí)理論與方法及其應(yīng)用研究    詹宇斌

基于流形學(xué)習(xí)的分類與聚類方法及其應(yīng)用研究    王勇

基于流形學(xué)習(xí)的高維空間分類器研究    谷瑞軍

關(guān)于流形學(xué)習(xí)若干基礎(chǔ)問題與核心算法研究    孟德宇

基于流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障識別方法研究    胡浩松

基于圖嵌入的判別近鄰分析研究及應(yīng)用    丁春濤

交互式人臉檢索中人機(jī)人臉認(rèn)知一致性研究    余嬋娟

選擇標(biāo)注分層流形學(xué)習(xí)算法研究    范自立

流形學(xué)習(xí)算法數(shù)據(jù)適用性問題的研究    呂偉澤

等譜流形學(xué)習(xí)算法及其應(yīng)用研究    黃運(yùn)娟

流形學(xué)習(xí)研究及其在人臉識別中的應(yīng)用    毛洪賁

流形學(xué)習(xí)算法分析及應(yīng)用研究    王慶軍

流形學(xué)習(xí)算法的研究    張銀鳳

基于流形學(xué)習(xí)和張量的多姿態(tài)人臉識別研究    李維清