資源描述：
《基于rvm的滾動(dòng)軸承故障診斷方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、分類號(hào)密級(jí)公開UDC學(xué)位論文題目：基于RVM的滾動(dòng)軸承故障診斷方法研究研究生姓名：劉勇學(xué)科專業(yè)名稱：模式識(shí)別與智能系統(tǒng)研究方向：圖像處理與模式識(shí)別論文類型：應(yīng)用研究申請學(xué)位：工學(xué)碩士指導(dǎo)教師姓名：徐濤指導(dǎo)教師職稱：副教授指導(dǎo)教師單位：沈陽航空航天大學(xué)論文提交日期：2015年01月06日論文答辯日期：2015年03月10日沈陽航空航天大學(xué)2015年03月SHENYANGAEROSPACEUNIVERSITYTHESISFORMASTER’SDEGREERESEACHONFAULTDIAGNOSISM
2、ETHODSFORROLLINGBEARINGBASEDONRELEVENCEVECTORMACHINECandidate：YongLiuSupervisor：TaoXuSpecialty:PatternRecognitionandIntelligentSystemDate:March2015摘要滾動(dòng)軸承是一種相對(duì)滾動(dòng)摩擦的精密元件，也是運(yùn)轉(zhuǎn)機(jī)械設(shè)備的關(guān)鍵易損部件。因多種原因的作用和影響，造成了該部件的易損性遠(yuǎn)高于其他部件。所以，在被廣泛應(yīng)用的同時(shí)，因其故障對(duì)機(jī)械設(shè)備所造成的負(fù)面影響及重大經(jīng)濟(jì)損失
3、也不可小覷。因此，采取有效的診斷方法及時(shí)維護(hù)排除運(yùn)行故障，已經(jīng)成為當(dāng)今滾動(dòng)軸承的重點(diǎn)研究工作之一。本文總結(jié)滾動(dòng)軸承不同故障的振動(dòng)原理及其特征，研究相關(guān)向量機(jī)基本理論，討論核函數(shù)的關(guān)鍵作用，設(shè)計(jì)了相關(guān)向量機(jī)的智能診斷方法。針對(duì)滾動(dòng)軸承的正常、內(nèi)圈故障、外圈故障和滾動(dòng)體故障四種狀態(tài)：首先，通過諧波小波包分解故障數(shù)據(jù)，利用各頻段的小波分解系數(shù)計(jì)算特征能量，將其作為特征向量；其次，針對(duì)傳統(tǒng)高斯核函數(shù)進(jìn)行優(yōu)化，在距離測試點(diǎn)無限遠(yuǎn)時(shí)改進(jìn)型核函數(shù)仍保持一定的衰減，并與K鄰域算法結(jié)合，提高了相關(guān)向量機(jī)的模式識(shí)別效
4、率。第三，考慮多故障識(shí)別問題，將RVM與“決策樹”方法結(jié)合構(gòu)造DT-RVM模型，并細(xì)化識(shí)別過程，把容易分類的模式放在前面進(jìn)行識(shí)別，提高分類效果。最后，改進(jìn)投票機(jī)制，引入分支理論，構(gòu)造“一對(duì)一”新算法，將其與RVM相結(jié)合構(gòu)造多模式判別模型，實(shí)現(xiàn)了故障識(shí)別分類。利用美國西儲(chǔ)大學(xué)滾動(dòng)軸承試驗(yàn)臺(tái)數(shù)據(jù)驗(yàn)證了不同診斷方法的實(shí)際性能。結(jié)果表明：與SVM相比，相關(guān)向量個(gè)數(shù)較少，同時(shí)診斷精度較高。同樣應(yīng)用RVM作為分類器，與其他多模式識(shí)別方法相比，本文提出的方法不同程度降低了故障識(shí)別的錯(cuò)誤率，并減少了診斷所需時(shí)間。
5、關(guān)鍵詞：滾動(dòng)軸承；故障診斷；相關(guān)向量機(jī)；諧波小波包；IAbstractRollingbearingisakindofprecisioncomponentandalsoisakeyquick-wearingparofrotatingmachinery.Becauseofdifferentreasons,itismorevulnerablethantheother.So,thenegativeeffectandpecuniarylossshouldnotbeoverlookedwhenitiswide
6、lyused.Totakeeffectivediagnosticmethodsandtimelyexcludeoperationalfailureshasbecomeoneoftheactualandkeyfocusonstudyingrollingbearing.Thisarticlesummarizesvibrationprincipleandcharacteristicsofthedifferentrollingbearingfaults,makesresearchesonthebasict
7、heoryofRelevanceVectorMachine,discussesthefunctionofkernelfunction,introducesanewintelligentdiagnosismethodbasedonRVMforfourconditionofrollingbearing:thenormal,innerfault,outerfault,rollingbodyfault.First,failuredataisdecomposedbyharmonicwaveletpacket
8、toobtainfeaturevectorbasedonwaveletdecompositioncoefficientsatanyfrequency.Second,themodifiedkernelfunctionwhichoptimizethetraditionalGaussiankeepscertainattenuationwhenthedistanceisinfinitelyfarfromthetestpoints,combineswith“KNearestNeighborh
